问题标签 [scikit-learn]

我想让 scikits.learn.hmm.GaussianHMM 适合不同长度的训练序列。然而，拟合方法通过执行来防止使用不同长度的序列

它仅适用于形状相同的数组列表。有人对如何进行有提示吗？

是否可以使用 scikit-learn K-Means Clustering 指定您自己的距离函数？

在我的 scikits-learn 管道中，我想将自定义词汇表传递给 CountVectorizer()：

但是，据我所知，当我打电话时

Pipeline 使用 CountVectorizer() 的 fit_transform() 方法，忽略 myvocab。如何修改我的管道以使用 myvocab？谢谢！

我想在不同的线程中训练多个一类 SVM。有人知道 scikit 的 SVM 是否发布了 GIL？我在网上没有找到任何答案。

谢谢

我正在尝试这个代码片段。我正在使用 scikits.learn 0.8.1

我得到这个-->

这里有什么问题？

我正在使用漂亮的 Python scikits.learn包来训练一些分类器，以使用定向梯度直方图功能进行基于部分的人脸识别。我已经成功地训练了一个线性 SVM 来识别一个特定的面部部分，但是我在这个predict_proba()函数上遇到了奇怪的问题。

我使用以下培训代码：

但是当我运行时predict_proba([test_vector])，我只看到[[ 0.5 0.5 ]]输出，即我的两个二进制类之间的统一概率。

不过，奇怪的是，当我只使用该predict()函数时，它的性能相当不错，当然不能只是简单地为所有事物分配统一的概率。在测试图像上，我在正确的面部部分周围得到了更密集的“1”分类，然后是场景周围其他地方的一些预期的嘈杂“1”分类，但正如预期的那样，主要是所有“0”分类。

什么可能导致此故障predict_proba()？

是

scikit-learn 中 10*10fold CV 的正确方法？（通过将 random_state 更改为 10 个不同的数字）

因为我没有在or中找到任何random_state参数，并且对于相同的数据，分隔符总是相同的。Stratified K-FoldK-FoldK-Fold

如果ShuffleSplit是正确的，一个问题是它被提及

注意：与其他交叉验证策略相反，随机拆分并不能保证所有折叠都不同，尽管这对于相当大的数据集仍然很有可能

10*10 倍 CV 总是这样吗？

我正在做多类分类，类别不平衡。

我注意到 f1 总是小于准确率和召回率的直接调和平均值，在某些情况下，f1 甚至小于准确率和召回率。

仅供参考，我要求metrics.precision_score(y,pred)精确等等。

我知道微观/宏观平均值的差异，并通过使用来自precision_recall_fscore_support().

不确定这是由于使用了宏观平均还是其他原因？

更新详细结果如下：

n_samples：75，n_features：250

MultinomialNB(alpha=0.01, fit_prior=True)

2倍简历：

第一次运行：

第二次运行：

总体：

来自Scholarpedia的关于微观/宏观平均的定义：

在多标签分类中，计算跨类别总分的最简单方法是对所有二元任务的分数进行平均。结果分数称为宏观平均召回率、精度、F1 等。另一种平均方法是首先对所有类别的 TP、FP、TN、FN 和 N 求和，然后计算上述每个指标。结果分数称为微平均。宏观平均对每个类别赋予相同的权重，并且通常由系统在稀有类别（大多数）上的表现主导，呈幂律分布。微平均为每个文档赋予相同的权重，并且通常由系统在最常见类别上的性能支配。

这是 Github 中的一个当前开放问题，#83。

以下示例演示了微观、宏观和加权（Scikit-learn 中的当前）平均可能有何不同：

混淆矩阵：

上面的F5是F0.5的简写...

我已经在 Python 中使用 scikits.learn 训练了一堆 RBF SVM，然后对结果进行了腌制。这些是用于图像处理任务的，我想做的一件事是在一些测试图像的每个像素上运行每个分类器。也就是说，从以像素 (i,j) 为中心的窗口中提取特征向量，在该特征向量上运行每个分类器，然后移动到下一个像素并重复。这对于 Python 来说太慢了。

澄清：当我说“这太慢了......”时，我的意思是即使 scikits.learn 使用的 Libsvm 底层代码也太慢了。我实际上正在为 GPU 编写一个手动决策函数，因此每个像素的分类是并行发生的。

我是否可以使用 Pickle 加载分类器，然后获取某种描述如何从特征向量计算决策的属性，然后将该信息传递给我自己的 C 代码？在线性 SVM 的情况下，我可以只提取权重向量和偏置向量，并将它们作为输入添加到 C 函数中。但是对于 RBF 分类器来说，等效的事情是什么，我如何从 scikits.learn 对象中获取这些信息？

补充：第一次尝试解决方案。

看起来分类器对象具有support_vectors_包含支持向量作为数组的每一行的属性。还有一个属性dual_coef_是 1 bylen(support_vectors_)系数数组。从关于非线性 SVM 的标准教程中，看来应该执行以下操作：

• v从被测数据点计算特征向量。这将是一个与 的行长度相同的向量support_vectors_。
• 对于 中的每一行i，support_vectors_计算该d[i]支持向量与 之间的平方欧几里得距离v。
• 计算哪里t[i]是RBF 参数。gamma * exp{-d[i]}gamma
• 总结dual_coef_[i] * t[i]一下i。intercept_将 scikits.learn 分类器的属性值添加到该总和中。
• 如果总和为正，则归为 1。否则，归为 0。

补充：在此文档链接的第 9 页上，它提到intercept_分类器的属性确实包含偏差项。我已更新上述步骤以反映这一点。

所以我阅读了 scikit-learn 包 webpate：

http://scikit-learn.sourceforge.net/dev/modules/generated/sklearn.linear_model.LogisticRegression.html

我可以使用逻辑回归来拟合数据，在获得 LogisticRegression 的实例后，我可以使用它对新的数据点进行分类。到现在为止还挺好。

有没有办法设置 LogisticRegression() 实例的系数？因为在我获得训练好的系数后，我想使用相同的 API 对新的数据点进行分类。

或者也许其他人推荐了另一个具有更好 API 的 Python 机器学习包？

谢谢