问题标签 [mlxtend]

在上面的代码中，我想使用mlxtend投票回归器并使用随机森林来选择相关特征。但是，此代码不起作用，我收到错误

如何解决这个问题？

我正在使用 MLxtend StackingRegressor 并且我的元回归器是一个 sklearn 管道对象。模型拟合后，我想打印系数，但我无法做到这一点。

在 #1 中，我收到一个错误，即管道对象没有属性 coef_，在 #2 中，我收到一个错误，即 StackingRegressor 没有属性步骤。

感谢您的帮助。

我正在尝试安装 python 库 mlxtend 以用于机器学习。我尝试了几种解决方案，包括：

我还阅读了所有关于类似错误的线程，但没有成功。当我执行所有这些时， setup.py 失败。

当我最终尝试执行直接从库 zip 下载的 setup.py 时（我在库解压缩窗口中打开了 cmd），我收到了以下错误消息：

我在 Windows 中使用 Python 3。谁能帮我？我完全被这个问题困住了。

提前致谢并致以最诚挚的问候！

我在使用 StackingRegressor 时遇到了一些困难。实际上，我训练了很多回归器并获得了不错的结果。

我认为如果我使用 StackingRegressor 可能会得到更好的结果，但我没有。而且我认为我错过了一些东西......

这是我的代码：

以下是我对堆叠的理解：如果（例如）obs 是女性时 randomforest 比 knn 好，而当 obs 是男性时 knn 比 randomforest 好，则堆叠将使用此信息并使用随机森林预测女性和与男人的 knn。

性是 Stacking 模型将使用的元特征。

但是，在我的示例中，如何定义元功能列表？如果我没有明确告诉 StackingRegressor 使用哪个元功能，它将使用什么元功能？所有可用的变量？没有任何？

我也尝试与我所有的回归量进行堆叠，但我得到了非常非常糟糕的结果！！！与上面相同，我认为我需要定义一些要使用的元功能，但我不知道如何....

如果有人了解它的工作原理或获得任何指向 python 笔记本的链接或任何帮助它会很棒。

提前致谢！

• 我必须解决2 类分类问题。
• 我有2 个输出概率的分类器。它们都是不同架构的神经网络。这 2 个分类器经过训练并保存到 2 个文件中。

现在我想构建一个元分类器，它将概率作为输入并学习这两个分类器的权重。所以它会自动决定我应该“信任”我的每个分类器多少。

这个模型在这里描述：
http:
//rasbt.github.io/mlxtend/user_guide/classifier/StackingClassifier/#stackingclassifier 我打算使用mlxtend库，但似乎StackingClassifier改装模型。
我不想改装，因为它需要非常大量的时间。
另一方面，我知道改装对于“协调”每个分类器的工作并“调整”整个系统是必要的。

在这种情况下我该怎么办？

我已经创建了像朴素贝叶斯、逻辑回归和 SGDC 这样的分类器，我应该如何使用这种集成投票方法来创建最终分数，我知道有硬投票和软投票。我的功能集基本上是单词。

我应该如何进行？

我正在尝试根据熊猫数据框的不同特征训练元分类器。

这些特征本质上是文本或分类的。

我在拟合模型时遇到问题，出现以下错误“找到样本数量不一致的输入变量：[1, 48678]”。我理解错误的含义，但不知道如何修复它。非常感谢帮助！

我正在使用的代码如下：

编辑：这是一些重现问题的代码。'ValueError：发现样本数量不一致的输入变量：[1, 3]'

我正在运行 Windows 10 并安装了 Anaconda。

我知道 pip 在那里：

无论我尝试使用 pip 安装什么包，我都会收到相同的错误/异常。我对编程很陌生。

任何帮助将不胜感激。谢谢！

我是 mlxtend功能的忠实粉丝plot_decision_regions（http://rasbt.github.io/mlxtend/#examples，https://stackoverflow.com/a/43298736/1870832）

它接受一个X（一次只有两列）y、和（拟合的）分类器clf对象，然后提供模型预测、真实 y 值和一对自变量之间关系的非常棒的可视化。

一些限制： X并且y必须是 numpy 数组，并且clf需要有一个predict()方法。很公平。我的问题是，就我而言，clf我想可视化的分类器对象已经安装在 Pandas DataFrame 上......

所以现在当我尝试使用plot_decision_regions传递 X/y 作为 numpy 数组时......

我（可以理解）得到一个错误，模型找不到它所训练的数据集的列名

在我的实际情况中，避免在 Pandas DataFrames 上训练我们的模型是一件大事。有没有办法为decision_regions在 Pandas DataFrame 上训练的分类器生成绘图？

我正在使用 mlxtend EnsembleVoteClassifier 使用预拟合的线性 SVC 进行二进制分类，但我一直有一个反复出现的错误：

ValueError: X.shape[1] = 352 应该等于 336，训练时的特征数

我使用 scikit-learn joblib 将预装分类器加载到列表中。分类器是来自 sklearn.svm 的线性 svc：

CLFS 列表：

它们被传递给整体投票分类器，它像往常一样安装，没有任何问题：

上面提到的错误是在预测时出现的，即使使用相同的数据进行拟合：