问题标签 [pycaret]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - Pycaret models() 方法抛出 NameError
如果我尝试执行：
我收到以下错误：
到目前为止无法修复.... Pycaret 版本是 2.3.4，按照 Pycaret 文档中的建议安装在新的专用 conda 环境中。
python - 将 PyCaret 与神经网络一起用于回归问题的问题
我有一个回归问题，想将 PyCaret 与神经网络一起使用。我基于链接中的文章：https ://towardsdatascience.com/pycaret-skorch-build-pytorch-neural-networks-using-minimal-code-57079e197f33 。如您所见，本文将 PyCaret 与神经网络一起用于分类问题。我在转换以下代码时遇到问题：
将 torch.nn 导入为 nn
从 skorch 导入 NeuralNetRegressor
从 sklearn.pipeline 导入管道
从 skorch.helper 导入 DataFrameTransformer
导入 torch.nn.functional 作为 F
类网络（nn.Module）：
,### 包括这个，因为它会抛出目标的 dtypes 错误
**类 customNLLLoss(nn.Module):
标准 = nn.NLLLoss()
净 = 神经网络分类器（
)
,### 参考：https ://github.com/pycaret/pycaret/issues/700#issuecomment-879700610
nn_pipe = 管道（
)
我相信问题出在customNLLLoss class 的 def forward 中。如何将此代码转换为回归问题？
当我运行代码时，出现以下错误：
ValueError：目标数据不应该是一维的，而是二维的，第二维的大小与回归目标的数量（通常为 1）相同。请将您的目标数据重塑为二维（例如 y = y.reshape(-1, 1).
python - pycaret.anomaly.compare_models() 不工作；“没有属性 'compare_models'”，“'compare_models' 未定义”
我曾尝试在 PyCaret 中使用 compare_models() 函数进行异常检测，但它总是给我以下错误：
如果我尝试只做 compare_models()：
它在终端和 Google Colab 中运行时都会执行此操作。有谁知道为什么会这样？
classification - Pycaret：使用 cross_val_predict 堆叠具有“时间序列”错误的模型
ValueError：cross_val_predict 仅适用于分区
语境：
当使用 'timeseries' 交叉验证训练 3 个模型，xgboost、catboost 和决策树，然后使用 'lr' 作为叠加层将它们堆叠在一起时，pycaret 会产生错误。这不会是 kfold 交叉验证，只有“时间序列”。
在此处查看错误详细信息：
pycaret - 我可以得到上限和下限吗？
我正在使用 Pycaret 回归进行预测，但我无法弄清楚如何获得预测值的下限和上限。
有没有办法像先知yhat_lower和那样做yhat_upper？
classification - PyCaret - XGBoost，安装库时出错
我正在尝试在 GoogleColab 上使用 PyCaret 来运行 XGBoost 分类器，但出现错误。我安装了完整的软件包：
但是当我导入评级库时，它给了我一个错误：
TypeError: load() 缺少 1 个必需的位置参数：'Loader'
安装标准版的时候导入没有报错，但是没有XGBoost
python - 不正确的 2021 年大熊猫周
我使用代码 weekofyear python
它在 2021 年 1 月 1 日显示结果 53
但我想要 2021 年 1 月 1 日的结果 1
如何解决这个问题呢？
谢谢
pycaret - 如何从 pycaret 配置中提取 PCA 参数以创建反向转换？
我对有助于最具预测性的主成分的特征感兴趣。我正在使用 pycaret，因此 PCA 类在某种程度上隐藏在存储在环境中的管道中。访问 PCA 类以获取每个原始特征的特征值和贡献的最佳方法是什么？
我想这并不是那么简单，因为 pycaret 在运行 PCA 之前会进行很多转换、插补、归一化。
最后一个命令生成具有特征重要性的图。现在，我真正感兴趣的是原始特征空间。为此，我需要访问管道并进行反向转换以获取分量向量。
python - 'Make_Time_Features' 对象没有属性 'list_of_features'
我正在尝试运行 Pycaret (2.2.3) 模块以比较我的 GCP 云中的回归模型。我的 scikit-learn 版本是 0.23.2，因为最新版本奇怪地无法运行 Pycaret。
我的代码很简单：
当我尝试执行此代码时，会显示以下错误消息：
AttributeError：“Make_Time_Features”对象没有属性“list_of_features”
该怎么办？
提前致谢
data-processing - Pycaret - 如何调整数据预处理步骤？
在 pycaret 中调整模型超参数很容易，tune_model但是您应该如何调整数据预处理超参数呢？
您需要setup在创建模型之前调用，但它是在setup您定义这些值的地方。
假设我想比较标准化数据与标准化数据的效果。有没有办法在pycaret中做到这一点？我可以编写自己的循环或处理管道......但这似乎违背了图书馆的低代码精神......