Suchergebnisse für Anfrage "scikit-learn"

6 die antwort

Wie LabelEncoder beschleunigt, eine kategoriale Variable in ganze Zahlen umzukodieren

Ich habe eine große CSV mit zwei Zeichenfolgen pro Zeile in dieser Form: g,k a,h c,i j,e d,i i,h b,b d,d i,a d,hIch habe die ersten beiden Spalten gelesen und die Zeichenfolgen wie folgt in Ganzzahlen umcodiert: import pandas as pd df = ...

4 die antwort

Normalize zwischen 0 und 1 ignoriert NaN

Für eine Liste von Nummern im Bereich vonx zuy das kann @ enthaltNaN, wie kann ich zwischen 0 und 1 normalisieren und das @ ignorierNaN Werte (sie bleiben alsNaN). ormalerweise würde ich @ verwendMinMaxScaler (ref ...

2 die antwort

Dummy-Erstellung in der Pipeline mit verschiedenen Ebenen in Zug und Test-Set

Ich erforsche gerade die Scikit Learn Pipelines. Ich möchte die Daten auch mit einer Pipeline vorverarbeiten. Meine Zug- und Testdaten weisen jedoch unterschiedliche Ebenen der kategorialen Variablen auf. Beispiel: Betrachten Sie: import pandas ...

TOP-Veröffentlichungen

2 die antwort

Wollen Sie den Unterschied zwischen pd.factorize, pd.get_dummies, sklearn.preprocessing.LableEncoder und OneHotEncoder [closed] kennen?

Alle vier Funktionen scheinen mir sehr ähnlich zu sein. In einigen Situationen liefern einige von ihnen möglicherweise das gleiche Ergebnis, andere nicht. Jede Hilfe wird dankbar geschätzt! etzt weiß ich, und ich gehe davon aus, dass ...

2 die antwort

Behandlung unbekannter Werte für die Label-Codierung

Wie kann ich unbekannte Werte für die Labelcodierung in sk-learn verarbeiten? Der Beschriftungscodierer wird nur mit der Ausnahme ausgelöst, dass neue Beschriftungen erkannt wurden. Was ich will ist dasodierung kategorialer Variabl via one-hot ...

4 die antwort

So übergeben Sie einen Parameter an die Modellfunktion von Scikit-Learn Keras

Ich habe den folgenden Code mit Keras Scikit-Learn Wrapper [https://github.com/fchollet/keras/blob/master/keras/wrappers/scikit_learn.py], die gut funktionieren: from keras.models import Sequential from keras.layers import Dense from ...