我是第一次使用Google Cloud Platform,还请大家谅解!
我已经构建了一个仅运行批处理作业的预定工作流程。该作业运行 Python 代码并使用标准logging库进行日志记录。执行作业时,我可以正确地看到 Cloud Logging 中的所有条目,但所有条目都具有严重错误,尽管它们都是 INFO。
我一直在考虑的一个可能原因是我没有使用此处setup_logging文档中描述的函数。问题是,我不想在本地运行代码时运行 Cloud Logging 设置。
我的问题是:
setup_logging?它的真正作用是什么?logging google-cloud-platform google-cloud-logging google-cloud-functions
我正在处理一个多类问题(4个类),并且试图通过python中的scikit-learn解决它。
我看到我有三个选择:
我只是实例化一个分类器,然后适合训练并通过测试进行评估;
classifier = sv.LinearSVC(random_state=123)
classifier.fit(Xtrain, ytrain)
classifier.score(Xtest, ytest)
Run Code Online (Sandbox Code Playgroud)我将实例化的分类器“封装”在OneVsRest对象中,生成一个新的分类器,用于训练和测试;
classifier = OneVsRestClassifier(svm.LinearSVC(random_state=123))
classifier.fit(Xtrain, ytrain)
classifier.score(Xtest, ytest)
Run Code Online (Sandbox Code Playgroud)我将实例化的分类器“封装”在OneVsOne对象中,生成一个新的分类器,用于训练和测试。
classifier = OneVsOneClassifier(svm.LinearSVC(random_state=123))
classifier.fit(Xtrain, ytrain)
classifier.score(Xtest, ytest)
Run Code Online (Sandbox Code Playgroud)我了解OneVsRest和OneVsOne之间的区别,但是我无法理解在第一种情况下我没有明确选择这两个选项中的任何一种。在这种情况下,scikit-learn会做什么?是否隐式使用OneVsRest?
对此事项的任何澄清将不胜感激。
最好,先生
编辑:只是为了弄清楚,我对SVM的情况并不特别感兴趣。例如,RandomForest呢?
python machine-learning scikit-learn multiclass-classification