小编Kev*_*len的帖子

我使用SVM分类器构建了情绪分析器.我训练模型的概率=真,它可以给我概率.但是当我腌制我的模型并稍后再加载它时,概率不再起作用了.

该模型:

from sklearn.svm import SVC, LinearSVC
pipeline_svm = Pipeline([
    ('bow', CountVectorizer()),
    ('tfidf', TfidfTransformer()),
    ('classifier', SVC(probability=True)),])

# pipeline parameters to automatically explore and tune
param_svm = [
  {'classifier__C': [1, 10, 100, 1000], 'classifier__kernel': ['linear']},
  {'classifier__C': [1, 10, 100, 1000], 'classifier__gamma': [0.001, 0.0001], 'classifier__kernel': ['rbf']},
]

grid_svm = GridSearchCV(
    pipeline_svm,
    param_grid=param_svm,
    refit=True,
    n_jobs=-1, 
    scoring='accuracy',
    cv=StratifiedKFold(label_train, n_folds=5),)

svm_detector_reloaded = cPickle.load(open('svm_sentiment_analyzer.pkl', 'rb'))
print(svm_detector_reloaded.predict([""""Today is awesome day"""])[0])

给我:

AttributeError:当probability = False时,predict_proba不可用

我已经实现了一个简单的遗传算法来生成基于Aesop寓言的短篇小说.以下是我正在使用的参数:

突变:单字交换突变,测试率为0.01.

交叉:在给定点交换故事句子.率 - 0.7

选择:轮盘选择 - /sf/answers/372099731/

健身功能:3种不同功能.每个人的最高得分是1.0.所以最高健康分数是3.0.

人口规模:由于我使用的是86个Aesop寓言,我测试的人口规模是50.

初始人口:所有86个寓言句子都被洗牌,以便完全废话.我的目标是从这些结构丢失的寓言中产生一些有意义的东西(至少在一定程度上).

停止条件:3000代.结果如下:

但是,这仍然没有产生有利的结果.我期待着几代人的情节.为什么我的GA表现更差的结果呢？

更新:正如你们所有人所建议的那样,我将当前一代的10%的精英主义复制到了下一代.结果仍然保持不变:

可能我应该选择锦标赛.

我有一个列表unicode列表.现在我需要将其转换为列表字符串列表.我怎样才能做到这一点？

listoflist = [
    [
        u'keep', u'see', u'recover', u'try', u'cry', u'say', u'seem',
        u'come', u'saw', u'have', u'be', u'begin', u'fell', u'wait',
        u'come', u'wait', u'be', u'retire', u'be'
    ],
    [
        u'make', u'let', u'forget', u'forgive', u'punish', u'take', u'be',
        u'take', u'forget', u'come', u'think', u'say', u'be', u'be', u'say',
        u'think', u'jump', u'poke', u'come', u'be', u'have', u'try', u'come',
        u'turn', u'approach', u'be', u'meet', u'try', u'run', u'boast',
        u'bring', u'satisfy', u'use', u'be', u'leave', u'be', u'do', u'say',
        u'bristle'
    ]
]

我试图使用该ast库

import ast
d = []
for i in range(0,50):
    d.append([item.encode('ascii') …

当我用 3 个工人运行 celery 时，如下所示：

celery -A tasks multi start default, high, low -Q:1 default -c:1 6 -Q:2 high -c:2 2 -Q:3 low -c:3 2 -l info -E --pidfile=/var/run/celery/%n.pid --logfile=/var/log/celery/%n.log 

ps辅助| grep '芹菜工人'

vagrant   2447 14.0  7.3 262216 36708 ?        S    05:20   0:00 /usr/local/bin/python2.7 -m celery worker -E -n default,@server -A box_monitor -l info -Q default -c 6 --logfile=/var/log/celery/default,.log --pidfile=/var/run/celery/default,.pid
vagrant   2458 15.5  7.2 259656 36216 ?        S    05:20   0:00 /usr/local/bin/python2.7 -m celery worker -E -n low,@server -A box_monitor -l …