小编Mar*_*son的帖子

我正准备将散景用于我编写的一些 Python 模型的交互式在线实现。

第 1 步是理解一些基本的交互式示例，但我无法在 Jupyter 笔记本中获得交互式运行的介绍性示例。我希望有人能纠正我对什么是散景自己的示例代码的复制粘贴的误解。

我知道 Bokeh 文档并不完美（我修复了对bokeh.plotting.show而不是的过时引用io.show），但我认为我使用的基本结构应该接近正确。

代码基于：https : //github.com/bokeh/bokeh/blob/master/examples/app/sliders.py

https://docs.bokeh.org/en/latest/docs/user_guide/notebook.html

############ START BOILERPLATE ############
#### Interactivity -- BOKEH
import bokeh.plotting.figure as bk_figure
from bokeh.io import curdoc, show
from bokeh.layouts import row, widgetbox
from bokeh.models import ColumnDataSource
from bokeh.models.widgets import Slider, TextInput
from bokeh.io import output_notebook # enables plot interface in J notebook
# init bokeh
output_notebook()
############ END BOILERPLATE ############

# Set up data
N = 200
x = np.linspace(0, …

当尝试从 s3 读取文件时，我在尝试读取文件时 joblib.load()收到错误。ValueError: embedded null byte

这些文件是由 joblib 创建的，并且可以从本地副本（在上传到 s3 之前在本地制作）成功加载，因此错误可能出在 S3 的存储和检索协议中。

最小代码：

####Imports (AWS credentials assumed)
import boto3
from sklearn.externals import joblib


s3 = boto3.resource('s3')
bucket_str = "my-aws-bucket"
bucket_key = "some-pseudo/folder-set/my-filename.joblib"
joblib.loads(s3.Bucket(bucket_str).Object(bucket_key).get()['Body'].read())

MATLAB图例列出了绘图中的所有内容,包括您在绘图上添加的指南.

要解决这个问题的一种软食

*Plot
*Add legend
*Add guidelines

但是,MATLAB将最新的行放在前面,这意味着指南会覆盖显示的数据; 丑陋和分散注意力.

每当你建立一个复杂的情节,legend吓坏并抓住一切,类似的问题就会发生,并且绘图顺序的变通方法可能很难看

示例代码:

%**** Optional guidelines
figure(1)
plot([2 2],[0,1],'k--'); hold on

%**** DATA
N = 4;
y=rand(5,N);
x=1:1:5;
for plotLoop=1:N;
  %* Plot
  figure(1)
  plot(x,y(plotLoop,:));
  hold on
end

%*****LEGEND
hLegend = legend(LegTxt,...
                'interpreter','latex',...
                'location','eastoutside')

(移动代码块顺序以复制上述情况)

如何合理地解决这个问题？

基本信息

lgbm.train(）early_stopping计算每轮提升后的目标函数和feval分数，我们可以让它在每轮打印这些verbose_eval，如下所示：

bst=lgbm.train(**params)
[10]    valid_0's binary_logloss: 0.215654  valid_0's BinaryError: 0.00775126
[20]    valid_0's binary_logloss: 0.303113  valid_0's BinaryError: 0.00790619
[30]    valid_0's binary_logloss: 0.358056  valid_0's BinaryError: 0.0838744
[40]    valid_0's binary_logloss: 0.386763  valid_0's BinaryError: 0.138462
[50]    valid_0's binary_logloss: 0.411467  valid_0's BinaryError: 0.176986

问题：

有什么方法可以访问每个助推轮的这些分数列表吗？

我在文档中能找到的最接近的东西bst.__dict__是bst.best_score

defaultdict(collections.OrderedDict,
             {'valid_0': OrderedDict([('binary_logloss', 0.4233895131745753),
                           ('BinaryError', 0.194285077972568)])})