小编Ahm*_*tan的帖子

我试图将细胞从一个jupyter笔记本复制到另一个.这怎么可能？

我试图通过GridSearchCV过度拟合来优化SVR模型并使用它来解决这个问题，为解决这个问题，我尝试减少迭代次数而不是直到收敛为止。要比较这两种模型，我需要两种情况的迭代次数。

我尝试通过完成此操作，verbose = 1但在jupyter笔记本电脑中不起作用。我需要访问迭代次数并将其另存为变量以绘制优化结果。将详细日志写入外部文件可以解决此问题，但我无法做到。

我从上一个问题中获得了一些信息， 知道在SVR scikit-learn中收敛所需的迭代次数， 但仍然无法解决问题

这是我的代码示例：

model_1=SVR(kernel='rbf',C=316,epsilon=0, gamma=0.003162,max_iter=2500,verbose=1)
model_1.fit(tr_sets[:,:2],tr_sets[:,2])

我在 scikit-learn 中寻找 SVC 函数的详细日志缩写的含义？

如果 nSV 是支持向量的数量，#iter 是迭代次数，nBSV, rho,obj 是什么意思？

这是一个例子：

import numpy as np
from sklearn.svm import SVR
sets=np.loadtxt('data\Exp Rot.txt')         # reading data
model=SVR(kernel='rbf',C=100,gamma=1,max_iter=100000,verbose=True)
model.fit(sets[:,:2],sets[:,2])
print(model.score)

这是结果

我正在尝试优化 SVR 模型并因过度拟合而面临问题，为了克服这个问题，我尝试减少迭代次数而不是将其保留到收敛。

为了比较这两种模型，我需要两种情况下的迭代次数。在打开（max_iter=-1）的情况下，如何知道收敛所需的迭代次数？

这是我的代码：

model_1=SVR(kernel='rbf', C=316, epsilon=0, gamma=0.003162,max_iter=2500)
model_1.fit(tr_sets[:,:2],tr_sets[:,2])
print(model_1.score)
model_2=SVR(kernel='rbf', C=316, epsilon=0, gamma=0.003162,max_iter=-1)
model_2.fit(tr_sets[:,:2],tr_sets[:,2])
print(model_2.score)

编辑：现在通过设置解决了 IPython IDE 的问题，verbose=2但仍需要在 Jupyter notebook、spyder 中查看或写入外部文件，因为详细选项似乎仅适用于 IPython IDE

我想问是否可以在 scikit-learn 中执行“Stratified GroupShuffleSplit”，换句话说，它是GroupShuffleSplit和StratifiedShuffleSplit的组合

这是我正在使用的代码示例：

cv=GroupShuffleSplit(n_splits=n_splits,test_size=test_size,\
    train_size=train_size,random_state=random_state).split(\
    allr_sets_nor[:,:2],allr_labels,groups=allr_groups)
opt=GridSearchCV(SVC(decision_function_shape=dfs,tol=tol),\
    param_grid=param_grid,scoring=scoring,n_jobs=n_jobs,cv=cv,verbose=verbose)
opt.fit(allr_sets_nor[:,:2],allr_labels)

在这里我应用了GroupShuffleSplit但我仍然想根据allr_labels

我有一个表情符号，我希望它是白色的，但是当我运行该程序时，它显示为红色。如何将其更改为白色？

rating.text = "\(?????)"
rating.textColor = UIColorRGB("ffffff")