小编plp*_*lpm的帖子

我正在 Cora 数据集上训练 GCN（图形卷积网络）。

Cora 数据集具有以下属性：

Number of graphs: 1
Number of features: 1433
Number of classes: 7
Number of nodes: 2708
Number of edges: 10556
Number of training nodes: 140
Training node label rate: 0.05
Is undirected: True

Data(edge_index=[2, 10556], test_mask=[2708], train_mask=[2708], val_mask=[2708], x=[2708, 1433], y=[2708])

由于我的代码很长，我只把代码的相关部分放在这里。首先，我将 Cora 数据集拆分如下：

def to_mask(index, size):
    mask = torch.zeros(size, dtype=torch.bool)
    mask[index] = 1
    return mask

def cora_splits(data, num_classes):
    indices = []

    for i in range(num_classes):
        # returns all indices of the elements = …

我想以每个集群只包含具有相同入度值的节点的方式对 Cora 数据集的节点进行集群。我可以编写如下代码：

import torch
from torch_geometric.datasets import Planetoid
from torch_geometric.utils import degree

dataset = Planetoid('./data','CORA')
data = dataset[0]
n = data.num_nodes
indegree = degree(data.edge_index[1], n, dtype=torch.long)
counts = torch.bincount(indegree)

但是由于我没有访问节点的索引值，所以不知道如何将每个节点放在哪个集群中？

我有一个数据集，包括两列age和flexibility变量。下图根据我的数据集显示了人们的年龄与其身体灵活性之间的相关性：

我正在尝试制作一个立方模型，其中灵活性取决于年龄的立方。所以我做了：

from sklearn.linear_model import LinearRegression

df["Age_cubed"] = df["Age"].pow(3)
X = df[["Age_cubed"]]
Y = df["Flexibility"]

model = linear_model.LinearRegression()
model.fit(X, Y)
r_sq = model.score(X, Y)

model.coef_  # 10.02
model.score(X, Y) # 0.93

现在对应的情节是：

该模型的 Interocept 为 0.034：

print(model.intercept_) # 0.034

有没有办法强制python形成截距等于0的上述线性回归模型？

我有以下代码：

import cv2
import numpy as np
from PIL import Image
import skimage

my_image = cv2.imread('my_image.jpeg', 1)

gray = cv2.cvtColor(my_image, cv2.COLOR_BGR2GRAY)
b = skimage.filters.threshold_local(gray,19,offset=10)
b = Image.fromarray(b)
b = b.convert("L")
b.save('adaptive_output.png')

但我收到以下错误：

b = skimage.filters.threshold_local(gray,19,offset=10)
AttributeError: module 'skimage' has no attribute 'filters'

我使用的是 Python 3.8，系统上的 scikit-image 版本是 0.18.1。我还在不同的 IDE 中尝试了代码，但到处都收到错误。我还检查了问题1、问题2和问题3，但他们的答案都不起作用。