Tag: scikit-learn

scikit-learn est une machine d’apprentissage en bibliothèque pour Python qui fournit des outils simples et efficaces pour l’analyse de données et d’exploration de données, avec un accent sur l’apprentissage de la machine. Il est accessible à tout le monde et réutilisables dans différents contextes. Il est construit sur NumPy et SciPy. Le projet est open source et utilisable à des fins commerciales (licence BSD).

Combinant la Grille de recherche et de validation croisée dans scikit learn

transformer scipy éparses de la rse pour les pandas?

CountVectorizer: AttributeError: 'numpy.ndarray' objet n'a pas d'attribut "inférieure"

Python : Comment trouver de l'Exactitude de la Suite dans SVM Texte Classificateur Algorithme pour Multilabel Classe

Informations calcul du Gain avec Scikit-learn

TypeError: fit() manquant 1 nécessaire de position argument: "y"

ImportError: No module named sklearn.cross_validation

Python RandomForest - Inconnu label Erreur

Comment puis-je tracer la fonction de densité de probabilité pour une cuisine aménagée modèle de mélange Gaussien sous scikit-learn?

Comment puis-je résoudre le surajustement dans la forêt au hasard de Python sklearn?

ValueError: la définition d'un élément de tableau avec une séquence. lors de l'utilisation de SVM dans scikit-learn

Avec une régression multi-dimensionnelle des cibles

À l'aide de DictVectorizer avec sklearn DecisionTreeClassifier

Comment trouver l'importance des caractéristiques d'un modèle de régression logistique?

Numpy hstack - “ValueError: tous les tableaux doivent avoir le même nombre de dimensions” -, mais ils ne

Comment interpréter scikit learn confusion de la matrice et de la classification rapport?

À l'aide de la predict_proba() la fonction de RandomForestClassifier dans le coffre-fort et de la bonne façon

Scikit-learn est de retour coefficient de détermination (R^2) les valeurs inférieures à -1

La valeur manquante de l'imputation en python à l'aide de KNN

Est un countvectorizer le même que tfidfvectorizer avec use_idf=false?