问题标签 [scikits]

我正在处理文本分类问题（情感分析）。我想知道 scikit-learn 中是否有任何选项可以为特征添加“权重”（作为重要性的衡量标准）。我检查了文档，发现SVC 的属性“coefs”，定义如下：

但是，此属性似乎是只读的。

我正在阅读用 Python 编写的库 'scikits-image' 的源代码，我找到了下一行代码：

我不知道他们为什么要加入 NumPy 函数floor和//运算符。有什么理由这样做吗？我看不见。我觉得这是两次做同样的事情。

项目在这里

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 ：）

我想使用一些 cula 功能，如 LU 分解或矩阵逆，但我对指针输入有一些问题。例如，使用 scikits.cuda.cula.culaDeviceSgetrf(m, n, a, lda, ipiv) 进行 LU 分解，需要使用指针 f "a" 参数，但 python 中没有明确的指针（我知道所有变量python 是由 ref) 。那么在这种情况下我应该怎么做呢？我应该使用 ctype 库来创建 python 吗？

这就是我想要做的：

status = _libcula.culaDeviceSgetrf(m, n, int(a), lda, int(ipiv)) TypeError: only length-1 arrays can be convert to Python scalars

当我尝试

回溯（最后一次调用）：文件“”，第 1 行，在文件“/usr/local/lib/python2.7/dist-packages/scikits.cuda-0.042-py2.7.egg/scikits/cuda/cula .py"，第 329 行，在 culaDeviceSgetrf status = _libcula.culaDeviceSgetrf(m, n, int(a), lda, int(ipiv)) TypeError: int() argument must be a string or a number, not 'GPUArray'

任何解决方案？

当我测试scikit-image方法时，我遇到skimage.measure.perimeter(image)但无法解释这个函数的输出。

我误解了这个函数应该返回什么吗？我知道周长是围绕一个区域的路径。
注意：-
(1) 计算的周长和返回的周长之间的差异并不总是 4。因为有时它可以是 6，无论它是正方形、矩形还是任何其他多边形。
更新：=
(1)功能页面

这个问题将在 Python 命令行中使用 scikits.cuda [1]，但可以等效地在纯 C/CUDA 中尝试（我没有尝试过）。

我正在尝试为一维复杂到复杂的转换创建一个 CUFFT 计划，该转换将应用于许多输入（所以很多批次）。使用 Tesla C2050，我执​​行以下操作

最后一次尝试的计划引发 cufftAllocFailed 异常。如果我减小变换的大小（从 64K 开始），我可以得到一批 10'000，但目前我需要 64K 大小的变换。

我的问题是：这是 CUFFT 的硬性限制吗？如果是这样，在 CUDA [2] 或 CUFFT [3] 文档中的哪些地方指定了变换大小与批次（与维度？）的限制？

[1] http://scikits.appspot.com/cuda
[2] http://developer.download.nvidia.com/compute/DevZone/docs/html/C/doc/CUDA_C_Programming_Guide.pdf
[3] http:// /docs.nvidia.com/cuda/pdf/CUDA_CUFFT_Users_Guide.pdf

根据 scikit-learn 用户指南，我使用pip install -U scikit-learn.

所以使用pip search scikit-learn，我得到这个搜索结果：

但是当我进入 Python 并尝试import sklearn使用ImportError: No module named sklearn. 这真的应该刚刚奏效。

我在带有 NumPy 1.6.1 和 SciPy 0.10.1 的 Mac OS 10.6.8 上使用 Enthought 的 Python (2.7.3) 免费分发。是的，我知道 EPD Free 附带 scikit-learn，但 pip 应该升级我的版本，以便我可以实际使用 scikit-learn。

我有timeseries50 年的每日降雨量。我正在对冬季（10 月至 11 月）进行季节性趋势分析：

我有兴趣获得满足上述条件的一年中所有 10 月每日降雨量的总和> 1mm。11 月份也是如此。

首先，我昨天开始使用 python。我正在尝试使用 SciKit 和大型数据集（250.000 条推文）进行文本分类。对于该算法，每条推文都将表示为 4000 x 1 向量，因此这意味着输入是 250.000 行和 4000 列。当我尝试在 python 中构建它时，我在 8500 条推文后内存不足（使用列表并附加它时），当我预分配内存时，我得到了错误：MemoryError（np.zeros（4000,2500000））。SciKit 不能处理这些大型数据集吗？我做错了什么（因为这是我使用 python 的第二天）？是否有另一种表示特征的方式，以便它适合我的记忆？

编辑：我想要伯努利 NB

编辑2：也许在线学习是可能的？阅读一条推文，让模型使用这条推文，将其从内存中删除，阅读另一个，让模型学习......但我认为 Bernoulli NB 不允许在 scikit-learn 中进行在线学习

sklearn.svm.SVC 没有给出稀疏数据集的支持向量索引。有什么技巧/方法可以获取 SV 的索引吗？