小编hel*_*lrd的帖子

我怎样才能获得不在给定索引列表中的pandas DataFrame的元素？

一个简单的例子:

import pandas as pd
import numpy as np

A = np.linspace(10, 100, 10)

A = pd.DataFrame(A, columns=["A"])
ind = [x for x in range(1, 4)]
print(A.iloc[ind])

所以例如,现在我想获得所有不在ind中的元素(所以索引0,5,6,7,8,9)......

谢谢您的帮助!

我目前正在研究用于图像分析的神经网络模型，使用 MNIST 数据集。我首先只使用图像来构建第一个模型。然后我创建了一个附加变量，它是：当数字实际上在 0 和 4 之间时为 0，当它大于或等于 5 时为 1。

因此，我想构建一个可以获取以下两个信息的模型：数字的图像以及我刚刚创建的附加变量。

我创建了两个第一个模型，一个用于图像，一个用于外生变量，如下所示：

import tensorflow as tf
from tensorflow import keras


image_model = keras.models.Sequential()

#First conv layer :
image_model.add( keras.layers.Conv2D( 64, kernel_size=3,
                                               activation=keras.activations.relu,
                                      input_shape=(28, 28, 1) ) )

#Second conv layer :
image_model.add( keras.layers.Conv2D( 32, kernel_size=3, activation=keras.activations.relu ) )

#Flatten layer :
image_model.add( keras.layers.Flatten() )

print( image_model.summary(), '\n' )




info_model = keras.models.Sequential()

info_model.add( keras.layers.Dense( 5, activation=keras.activations.relu, input_shape=(1,) ) )

print( info_model.summary() )

然后我想连接最后两个层，最后用 softmax 放置另一个密集层来预测类概率。

我知道使用 Keras 功能 API 是可行的，但是如何使用 …

当使用这两个 API 执行逻辑回归时，它们给出不同的系数。即使使用这个简单的示例，它在系数方面也不会产生相同的结果。我遵循关于同一主题的旧建议的建议，例如在 sklearn 中为参数 C 设置一个大值，因为它使惩罚几乎消失（或设置惩罚 =“无”）。

import pandas as pd
import numpy as np
import sklearn as sk
from sklearn.linear_model import LogisticRegression
import statsmodels.api as sm

n = 200

x = np.random.randint(0, 2, size=n)
y = (x > (0.5 + np.random.normal(0, 0.5, n))).astype(int)

display(pd.crosstab( y, x ))


max_iter = 100

#### Statsmodels
res_sm = sm.Logit(y, x).fit(method="ncg", maxiter=max_iter)
print(res_sm.params)

#### Scikit-Learn
res_sk = LogisticRegression( solver='newton-cg', multi_class='multinomial', max_iter=max_iter, fit_intercept=True, C=1e8 )
res_sk.fit( x.reshape(n, 1), y )
print(res_sk.coef_)

例如，我只是运行上面的代码并获得 1.72276655 的 …