ucler的博客

scikit_learn包中的cross_val_score（）是支持并行运算，但这并不是说只要让n_jobs=-1就能让CPU使用率接近100%。这要取决于交叉验证的折数cv，假如折数cv是n，这意味着最多只能使用n个物理CPU。score1 = cross_val_score(clf, x_train, y_train, cv=5, scoring='accuracy', n_jobs=-1).mean()...

def getMatrix(dirname): pssmList = os.listdir(dirname) pssmList.sort(key=lambda x: eval(x[:])) m = len(pssmList) reMatrix = np.zeros((m, 20)) for i in range(m): matrix= readToMatrix(dirname + '/' + pssmList[i], 'pssm') m

参考代码 CC = [] gammas = [] for i in range(-5, 16, 2): CC.append(2 ** i) for i in range(3, -16, -2): gammas.append(2 ** i) param_grid = {"C": CC, "gamma": gammas} gs = GridSearchCV(SVC(probability=True), param_grid, cv=

在创建DataFrame的时候，只有有一个dtype类型。若使用numpy数组的字典，就可以分别设置dtype类型了。import numpy as npimport pandas as pddata = {'Site':np.array(['Google', 'Runoob', 'Wiki'],dtype=str), 'Age':np.array([10, 12, 13], dtype=float), 'Year':np.array([2001, 2001, 20