小编Oma*_*mar的帖子

我不知道为什么我在尝试使用时会收到该错误 decision_function()

model_1 = BaggingClassifier(base_estimator=MLPClassifier())
model_1.fit(Xtrain, ytrain)
model_1.decision_function(Xtrain)

我也遇到了这个错误 DecisionTreeClassifier()

有没有办法一次替换字符串中的多个字符，而不是这样做：

"foo_faa:fee,fii".replace("_", "").replace(":", "").replace(",", "")

只是类似（与str.replace()）

"foo_faa:fee,fii".replace(["_", ":", ","], "")

我正在尝试访问df-chips.

然而，乍一看并没有加载，所以我尝试使用asyng / await. 但是......我不擅长javascript，所以我做错了一些事情，而且我不知道是什么。

这是我的代码：

// Function to catch asynchronous that node
const asyncQuerySelector = async (node, query) => {
  try {
     if (node.querySelector(query)){
      return await node.querySelector(query);
     }
  } catch (error) {
    console.error(`Cannot find ${query ? `${query} in`: ''} ${node}.`, error);
    return null;
  }
};

const root = document.querySelector('#messageList')
const foo = asyncQuerySelector(root, 'df-chips')

但我得到了一个null承诺的结果：

我有这个输出：

[[[-0.015,  -0.1533,  1.    ]]

 [[-0.0069,  0.1421,  1.    ]]

...

 [[ 0.1318, -0.4406,  1.    ]]

 [[ 0.2059, -0.3854,  1.    ]]]

但我想删除剩余的方括号，如下所示：

[[-0.015  -0.1533  1.    ]

 [-0.0069  0.1421  1.    ]

 ...

 [ 0.1318 -0.4406  1.    ]

 [ 0.2059 -0.3854  1.    ]]

我的代码是这样的：

XY = []
for i in range(4000):
     Xy_1 = [round(random.uniform(-0.5, 0.5), 4), round(random.uniform(-0.5, 0.5), 4), 1]
     Xy_0 = [round(random.uniform(-0.5, 0.5), 4), round(random.uniform(-0.5, 0.5), 4), 0]
     Xy.append(random.choices(population=(Xy_0, Xy_1), weights=(0.15, 0.85)))

Xy = np.asarray(Xy)

我正面临一个实时问题，它有 4 个特征： Vmean, Vmedian, Vnow, VV。我想要做的是：

for i in range(len(X)):
     model.fit(X[i], X[i+1])
     model.predict(X[i+1])

也就是说，我试图预测X[i+2]throughX[i+1]和的值X[i]，因为一行与下一行相关，依此类推。这是我的模型：

def kerasModel():
    input_layer = keras.layers.Input(shape=(4, 1), name='input_shape')
    x = keras.layers.LSTM(100, name='lstm_0')(input_layer)
    x = keras.layers.Dropout(0.2, name='lstm_dropout')(x)
    x = keras.layers.Dense(64, name='x2')(x)
    output = keras.layers.Dense(4, activation='linear', name='x3')(x)
    model = keras.Model(inputs=input_layer, outputs=output)
    
    adam = keras.optimizers.Nadam(lr=0.005)
    model.compile(optimizer=adam, loss='mse')
    
    return model

但它不起作用。它没有像它应该做的那样预测下一个值。我的问题是：是否有任何论文或规则可以根据您的特征制作一个好的深度学习模型？另外，基于这个问题，哪个可能是一个好的模型？