Learning from the mistakes

最近用scikit-learn试了一下半监督学习，我这里分享一下我写的代码：我的数据集的地址展示：['./FeatureLearningRotNet/feat/train/disgust/Training_73540712.jpg.npy', './FeatureLearningRotNet/feat/train/disgust/Training_82025016.jpg.npy', './FeatureLearningRotNet/feat/train/disgust/Training_9817359

除了我们平常所做的网格搜索，随机搜索外，我发现贝叶斯优化的方法挺不错，然后我就尝试了一下，发现效果挺好的，我这里把我的代码分享出来：贝叶斯优化通过基于目标函数的过去评估结果建立替代函数（概率模型），来找到最小化目标函数的值。贝叶斯方法与随机或网格搜索的不同之处在于，它在尝试下一组超参数时，会参考之前的评估结果，因此可以省去很多无用功。超参数的评估代价很大，因为它要求使用待评估的超参数训练一遍模型，而许多深度学习模型动则几个小时几天才能完成训练，并评估模型，因此耗费巨大。贝叶斯调参发使用不断更新的概率模型

今天做了一个山景智能公司的线性回归的题目，做了老半天没做出来，心里非常的着急，最后几分钟做出来了，我都没有预料到。真是惊险又刺激的挑战加载库和导入数据import numpyimport sklearn.metricsx_train = numpy.array([[-0.8 , -0.8 ], [-0.8 , -0.48], [-0.8 , -0.16], [-0.8 , 0.16], [-0.8 , 0.48], [-0.8

今天想把classification_report的统计结果输出到文件中，我这里分享一下一个简洁的方式：我的pandas版本：pandas 1.0.3代码：from sklearn.metrics import classification_reportreport = classification_report(y_test, y_pred, output_dict=True)df = pd.DataFrame(report).transpose

今天在跑树模型的时候用到了SMOTE,但是遇见了下面的错误：AttributeError: 'SMOTE' object has no attribute '_validate_data'好像是版本太低了，需要升级一下。但是升级了之后，sickitilearn又出现了错误：ModuleNotFoundError: No module named 'sklearn.externals.six'解决方法pip install imbalanced-learn==0.6pip inst