小编Reg*_*hew的帖子

在一段时间内,我已经将一些包装到我一直在使用的Anaconda中.现在我无法跟踪它.我们如何获得Anaconda(windows10)中加载的所有包的列表？命令是什么？

我试图解释下面的 ARIMA 输出，但不清楚sigma2。文件说它是“残差的方差”。这个输出/重要性背后的假设是什么？

请提供答案或详细介绍的链接。

import statsmodels.api as sm
mod = sm.tsa.statespace.SARIMAX(df.Sales, order=(0, 1, 1), 
seasonal_order=(0, 1, 1, 12), enforce_stationarity=False,
                            enforce_invertibility=False)
results = mod.fit()
print(results.summary().tables[1])



   ==============================================================================
                     coef    std err          z      P>|z|      [0.025      0.975]
    ------------------------------------------------------------------------------
    ma.L1         -0.9317      0.055    -16.989      0.000      -1.039      -0.824
    ma.S.L12      -0.0851      0.143     -0.594      0.553      -0.366       0.196
    sigma2      1.185e+09   2.13e-11   5.56e+19      0.000    1.19e+09    1.19e+09
    ==============================================================================

此查询指的是将试验用作 fmin 中的参数。

trials = Trials()
best = fmin(objective, space=hp.uniform('x', -10, 10), algo=tpe.suggest,
    max_evals=100, trials=trials)

文档 ( https://github.com/hyperopt/hyperopt/wiki/FMin ) 指出，试验对象获得了诸如trial.trials、trial.results、trial.losses()和trial.statuses() 之类的列表。

但是，我看到了文档中没有提到的trials.best_trial和trial.trial_attachments等用法。

现在我想知道如何获得试验对象的所有内容的列表？对象类型是hyperopt.base.Trials。

我正在尝试使用贝叶斯优化（Hyperopt）来获得 SVM 算法的最佳参数。但是，我发现每次运行时最佳参数都在变化。

下面提供的是一个简单的可重现案例。你能对此有所了解吗？

import numpy as np 
from hyperopt import fmin, tpe, hp, STATUS_OK, Trials

from sklearn.svm import SVC
from sklearn import svm, datasets
from sklearn.metrics import accuracy_score
from sklearn.model_selection import GridSearchCV, cross_val_score
from sklearn.model_selection import StratifiedShuffleSplit

iris = datasets.load_iris()
X = iris.data[:, :2] 
y = iris.target

def hyperopt_train_test(params):
    clf = svm.SVC(**params)
    return cross_val_score(clf, X, y).mean()

space4svm = {
    'C': hp.loguniform('C', -3, 3),
    'gamma': hp.loguniform('gamma', -3, 3),
}

def f(params):
    acc = hyperopt_train_test(params)
    return {'loss': -acc, 'status': STATUS_OK}

trials …

我喜欢通过选择不同列中包含的列名称来选择要处理的单元格。为了清楚起见，下面给出了输入和输出。列“a”包含用于将每行的值设置为 None 的列名称。我尝试编写如下代码，但不断出现错误。

df1 = pd.DataFrame({'a': ['a1',  'a2',  'a4',  'a1'],
                       'a1': [1,  3,  1,  0],
                       'a2': ['9',  '3',  '1',  '4'],
                       'a3': ['8',  '5',  '4',  '6'],
                       'a4': ['8',  '5',  '3',  '3']})

df2 = df1.apply(lambda x: x['a']=None, axis=1)

输入

    a   a1  a2  a3  a4 
0   a1  1   9   8   8
1   a2  3   3   5   5
2   a3  1   1   4   3
3   a1  0   4   6   3

输出

    a   a1   a2   a3 a4
0   a1  None 9    4  9
1   a2 …