小编mak*_*kis的帖子

在我更新xCode 6之前,我没有任何问题将一个double转换为字符串bur现在它给了我错误

var a: Double = 1.5
var b: String = String(a)

它给我错误消息"double不能转换为字符串".还有其他办法吗？

我无法理解网页的StandardScaler的文档中sklearn.

有人能用简单的语言向我解释一下吗？

我正在努力解决以下问题.我需要生成由一组图表组成的报告.除了一个之外,所有这些图表都是使用Matplotlib默认后端(TkAgg)制作的.需要使用开罗后端制作一张图表,原因是我正在绘制igraph图,并且只能使用Cairo绘制.

问题是我不能动态改变后端,例如以下方法不起作用:(
matplotlib.pyplot.switch_backend('cairo.png') 我知道switch_backend功能是实验性的)

我也尝试过,matplotlib.use("cairo.png")但这会导致导入问题,因为matplotlib.use("cairo.png")语句应该在导入之前出现matplotlib.pyplot.但是在剧本的生命历程中我需要两个不同的后端.

所以我的问题是有人有一个代码片段,显示如何在Matplotlib中切换后端？

非常感谢!

更新:我编写了一个加载matplotlib的片段,显示默认后端,卸载matplotlib,重新加载它并更改后端:

import matplotlib
import matplotlib.pyplot as plt
import sys
print matplotlib.pyplot.get_backend()

modules = []
for module in sys.modules:
    if module.startswith('matplotlib'):
        modules.append(module)

for module in modules:
    sys.modules.pop(module)

import matplotlib
matplotlib.use("cairo.png")
import matplotlib.pyplot as plt

print matplotlib.pyplot.get_backend()

但这真的是这样做的吗？

更新2:我昨天有一些严重的大脑冻结......简单而明显的解决方案是将开罗后端用于所有图表而不是切换后端:)

更新3:实际上,它仍然是一个问题所以谁知道如何动态切换matplotlib后端....请发布你的答案.

我有一个矩阵A,我想2点矩阵U和L使得U包含A的上三角形单元(上述所有的元素和不包括对角线)同样地,对于L(下面所有的元素和不包括对角线).有没有numpy办法做到这一点？

例如

A = array([[ 4.,  9., -3.],
           [ 2.,  4., -2.],
           [-2., -3.,  7.]])
U = array([[ 0.,  9., -3.],
           [ 0.,  0., -2.],
           [ 0.,  0.,  0.]])
L = array([[ 0.,  0.,  0.],
           [ 2.,  0.,  0.],
           [-2., -3.,  0.]])

我是Python的新手,并试图在pandas数据帧上使用sklearn执行线性回归.这就是我做的:

data = pd.read_csv('xxxx.csv')

之后我得到了两列的DataFrame,让我们称之为'c1','c2'.现在我想对(c1,c2)的集进行线性回归,所以我输入了

X=data['c1'].values
Y=data['c2'].values
linear_model.LinearRegression().fit(X,Y)

这导致以下错误

IndexError: tuple index out of range

这有什么不对？另外,我想知道

1. 可视化结果
2. 根据结果​​做出预测？

我搜索并浏览了大量网站,但似乎没有一个网站指示初学者正确的语法.也许对于像我这样的新手而言,对专家来说显而易见的事情并不那么明显.

你能帮忙吗？非常感谢您的宝贵时间.

PS:我注意到大量的初学者问题在stackoverflow中被低估了.请注意这样一个事实,即专家用户看似显而易见的事情可能需要一个初学者的日子才能弄明白.按下向下箭头时请谨慎使用,以免损害本讨论社区的活力.

所以我发现了这个:

转换MATLAB代码时,可能需要首先将矩阵重新整形为线性序列,执行一些索引操作,然后重新整形.由于重塑(通常)会在同一存储上生成视图,因此应该可以相当有效地执行此操作.

请注意,Numpy中reshape使用的扫描顺序默认为'C'顺序,而MATLAB使用Fortran顺序.如果您只是简单地转换为线性序列,那么这无关紧要.但是如果要从依赖于扫描顺序的MATLAB代码转换重构,那么这个MATLAB代码:

z = reshape(x,3,4);

Run Code Online (Sandbox Code Playgroud)

应该成为

z = x.reshape(3,4,order='F').copy()

Run Code Online (Sandbox Code Playgroud)

在Numpy.

mafs当我在MATLAB中执行时,我有一个多维16*2数组:

mafs2 = reshape(mafs,[4,4,2]) 

我得到的东西不同于我在python中做的事情:

mafs2 = reshape(mafs,(4,4,2))

甚至

mafs2 = mafs.reshape((4,4,2),order='F').copy()

对此有何帮助？谢谢你们.

我正在使用sklearn.cluster KMeans包.完成聚类后,如果我需要知道哪些值组合在一起,我该怎么办？

说我有100个数据点,KMeans给了我5个集群.现在我想知道集群5中有哪些数据点.我该怎么做.

是否有一个函数来提供集群ID,它将列出该集群中的所有数据点

谢谢.

我对原始数据集进行了PCA分析,并且从PCA转换的压缩数据集中,我还选择了我想要保留的PC数量(它们几乎解释了94%的方差).现在,我正在努力识别在简化数据集中重要的原始特征.在降维后,如何找出哪些特征是重要的,哪些特征不在剩余的主要组件中？这是我的代码:

from sklearn.decomposition import PCA
pca = PCA(n_components=8)
pca.fit(scaledDataset)
projection = pca.transform(scaledDataset)

此外,我还尝试对简化数据集执行聚类算法,但令我惊讶的是,得分低于原始数据集.这怎么可能？

我目前正在使用 python 的 scikit 库使用线性内核执行多类 SVM。样本训练数据和测试数据如下：

模型数据：

x = [[20,32,45,33,32,44,0],[23,32,45,12,32,66,11],[16,32,45,12,32,44,23],[120,2,55,62,82,14,81],[30,222,115,12,42,64,91],[220,12,55,222,82,14,181],[30,222,315,12,222,64,111]]
y = [0,0,0,1,1,2,2]

我想绘制决策边界并可视化数据集。有人可以帮忙绘制这种类型的数据。

上面给出的数据只是模拟数据，因此可以随意更改值。如果您至少可以建议要遵循的步骤，那将会很有帮助。提前致谢

Scikit学习的问题l无法使用Sklearn和的learning_curve sklearn.grid_search。

当我做import sklearn（工作）from sklearn.cluster import bicluster（工作）时。我尝试重新安装scikit-learn也仍然是同样的问题。我正在使用python 3.5.6，Scikit学习版本0.20.0窗口10。

 import sklearn
 from sklearn.model_selection import StratifiedKFold, cross_val_score, 
 train_test_split 
 from sklearn.grid_search import GridSearchCV
 from sklearn.learning_curve import learning_curve