问题标签 [scikit-learn]

使用 scikit-learn 0.10

为什么以下琐碎的代码片段：

打印出“1”的答案？在 [0,0,0,0,0] => 2 上训练模型后，我期待“2”作为答案。

为什么用

给出不同的“2”类作为答案（正确的）？这不就是一个阶级标签吗？

有人可以对此有所了解吗？

我正在使用 scikit-learning 做一些降维任务。我的训练/测试数据采用 libsvm 格式。它是一个有 50 万列的大型稀疏矩阵。

我使用 load_svmlight_file 函数加载数据，并通过使用 SparsePCA，scikit-learning 抛出输入数据错误的异常。

如何解决？

好的，所以我有点困惑。然而，这应该是一个简单直接的问题。

在针对整个语料库计算文档的 TF-IDF 矩阵后，我得到了与此非常相似的结果：

如何使用此结果来获取与搜索查询最相似的文档？基本上我正在尝试为维基百科重新创建一个搜索栏。基于搜索查询，我想从 Wikipedia 返回最相关的文章。在这种情况下，有 6 篇文章（行），搜索查询包含 3 个词（列）。

我是将列中的所有结果相加还是将所有行相加？较大的值是最相关的还是最低的值是最相关的？

看到 scikit-learn 不支持 Python 3，我很沮丧……是否有任何人可以为 Python 3 推荐的类似包？

好的，所以我一直在关注 TF*IDF 上的这两个帖子，但有点困惑：http ://css.dzone.com/articles/machine-learning-text-feature

基本上，我想创建一个搜索查询，其中包含对多个文档的搜索。我想使用 scikit-learn 工具包以及 Python 的 NLTK 库

问题是我看不到这两个 TF*IDF 向量来自哪里。我需要一个搜索查询和多个文档来搜索。我想我会针对每个查询计算每个文档的 TF*IDF 分数，并找到它们之间的余弦相似度，然后通过按降序对分数进行排序来对它们进行排名。但是，代码似乎没有提出正确的向量。

每当我将查询减少到只有一次搜索时，它就会返回一个巨大的 0 列表，这真的很奇怪。

这是代码：

细节：

Python 3.2（32 位安装）Windows 7 64 位

导致错误的代码：

错误：

我已经尝试了其他缺少的 DLL 线程中提出的一些解决方案，但没有成功......

我正在将一堆 RTF 文件读入 python 字符串。在某些文本上，我收到此错误：

我试过了：

1. 将文件的文本复制并粘贴到新文件中
2. 将 rtf 文件保存为 txt 文件
3. 在 Notepad++ 中打开 txt 文件并选择“转换为 utf-8”并将编码设置为 utf-8
4. 使用 Microsoft Word 打开文件并将其另存为新文件

没有任何效果。有任何想法吗？

它可能不相关，但这是您想知道的代码：

我在iPython中从下面运行了网格搜索分类器：

http://scikit-learn.org/dev/auto_examples/grid_search_digits.html

然后尝试通过酸洗对其进行序列化，但收到以下回溯：

有解决办法吗？

我正在使用 iPython 和 sklearn 的最新测试版。

谢谢 ：）

我正在尝试使用 sklearn 来预测代表旋转的变量。由于在旋转极端情况下从 -pi 到 pi 的不幸跳跃，我认为更好的方法是使用复数作为目标。这样，从 1+0.01j 到 1-0.01j 的错误就不会那么具有破坏性了。

我找不到任何描述 sklearn 是否支持复数作为分类器目标的文档。从理论上讲，距离度量应该可以正常工作，因此它至少应该适用于一些回归算法。

谁能建议我如何让回归算法以复数为目标进行操作？

我在 Mountain Lion 上的 Eclipse 4.2 中运行 PyDev。我安装了SciPy Superpack，并且可以在 Python 解释器和 IPython 中使用所有的包——包括 Scikit-learn 和 MatPlotLib。但是，当我尝试在 PyDev 中导入它们时，出现“未解决的导入”错误。

我从 Python.org 安装了 Python 2.7.3，并验证 PyDev 指向正确的解释器。我还尝试将 sklearn 和 matplotlib 目录（通过 from 的路径验证sklearn.__file__）添加到 PyDev 设置中的 System PYTHONPATH。这并没有解决问题。

知道我还应该尝试什么吗？