机器不爱学习

可能行的方法1：WIN+R 打开运行窗口，运行 services.msc 命令，在新开的窗口里面，找到 IP Helper 项，开启这个服务，问题就解决了。可能行的方法2：ipconfig /renew6

调试一个用到 pytorch 的程序的时候发现一个问题，经过排查发现是如下原因导致，执行如下代码：import networkx as nx忘了之前在哪遇到过类似的问题，好像是 import 的先后顺序导致的。改为如下导入顺序问题解决：import torchimport netwokx as nx #放在torch的后面导入即可奇奇怪怪的毛病。...

保存模型的方法保存模型比较时髦的方式是使用python的一下两个包：Pickle(python对象序列化库，自带) Joblib(scikit-learn中实现的方法)本文只讲pickle.哪些东西可以Pickle化？能Pickle的：所有数字相关的数据类型，复数也行. 布尔型数据. Python中的字符，列表，元组和字典. 内置函数和类对象.不能Pickle的...

特征选择数据集中存在大量冗余的变量时不仅有损模型性能，而且还会带来建模成本的提升，因此，进行特征选择还是很有必要的。进行特征选择最起码会带来一下三方面的好处:减少过拟合几率:冗余数据少了，基于噪音数据做决策的几率也就少了. 提升准确度: 烂数据少了，好数据拟合好模型那是当然了. 减少模型训练时长: 数据量少了，计算机吃的少了，跑的就快乐.机器学习中的特征选择下面介绍四种特征选...

想解决这样一个问题：怎样使用matplotlib画出scikit-learn的分类报告，也就是 classification_report的输出。例如下面这个report：print('\n*Classification Report:\n', classification_report(y_test, predictions), confusion_matrix_graph =...

sklearn输出的评价矩阵# algorithm1:LogisticRegressionfrom sklearn import metricsfrom sklearn.linear_model import LogisticRegressionmodel = LogisticRegression()model.fit(X, y)print(model)# make p...

非平衡数据对算法的影响及应对措施。首先加载数据集，并拆分训练集和测试集。 数据集在这里下载：数据集下载.（信用卡欺诈比赛）.import numpy as npimport pandas as pdfrom sklearn.preprocessing import RobustScalerfrom sklearn.model_selection import train_test_...

根据以往的经验梯度提升树（gradient boosted tree）可谓横扫Kaggle，不使用GBT感觉都没法再Kaggle混了。决策树相对深度学习来说可谓优点多多：好理解，易解释，对非平衡数据友好，训练起来快等等。在本文中我们主要来了解下LightGBM这个框架并用Kaggle的实战数据来操练下。数据集在这：credit card fraud detection.LightGBM...