- 博客(13)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 VScode 报错CommandNotFoundError
找了很多办法，包括在中修改了python path、通过Win10开始菜单进入PowerShell（管理员）,输入命令上面说vscode显示上述错误，是因为如果将 PowerShell 设置为集成终端，则无法在集成终端中自动激活 conda 环境，而在Windows10上，PowerShell 是默认集成终端。
2023-04-14 14:14:15
2952
原创 解决XGBoost在console中运行出图的问题
按照XGBoost实战完全总结（下）中的代码运行时，尽管能够正常运行，且出了正确的图，但是将其代码在pycharm自带的控制台运行时发现最后几行代码出现问题：# 显示重要特征plot_importance(model)plt.show()xgb.plot_tree(model, num_trees=10)plt.show()这样的代码在控制台运行时，会阻碍代码的运行，在运行至di...
2018-08-20 16:57:19
647
原创 解决Aanaconda3 安装 graphviz但是在pycharm里面无法调用的问题
直接说解决办法：第一步：打开Anaconda Prompt;第二步：不要使用conda，而是使用命令pip install graphviz;第三步：直接安装成功。在pycharm里面测试可以使用。注意：我前期一直无法导入这个模块，试过了很多办法，下载了很多安装包，但是都不行，我不太确定上面的这些独立做能不能成功安装，还没按照其他教程安装下面软件的朋友可以单独试一下上面的步骤，给我个反馈！祝大家码...
2018-07-05 10:39:33
4875
10
原创 XGBoost实战完全总结（下）
第二部分：实战xgboost既可以通过自己本身的接口进行训练，也可以借助sklearn的接口训练，下面一一进行介绍。2.1 原生接口的实战代码如下所示# _*_ coding: UTF-8 _*_from sklearn.datasets import load_irisimport xgboost as xgbfrom xgboost import plot_importancefrom...
2018-07-05 10:24:48
996
1
原创 GBDT回归实战完全总结(二)
第二部分：sklearn分类实例（一）、实例一：Gradient Boosting regressionDemonstrate Gradient Boosting on the Boston housing dataset.This example fits a Gradient Boosting model with least squares loss and 500 regression t...
2018-06-05 20:51:56
3607
1
原创 GBDT回归实战完全总结(一)
第一部分：参数说明（一）、简述sklearn自带的ensemble模块中集成了GradientBoostingRegressor的类，参数包括：class sklearn.ensemble.GradientBoostingRegressor(loss=’ls’, learning_rate=0.1, n_estimators=100, subsample=1.0, criterion=’fried...
2018-06-05 20:07:33
2984
原创 GBDT分类实战完全总结(二)
第二部分：sklearn分类实例（一）、实例一：Feature transformations with ensembles of trees使用集成树的特征转换import numpy as npnp.random.seed(10)# seed( ) 用于指定随机数生成时所用算法开始的整数值。# 1.如果使用相同的seed( )值，则每次生成的随即数都相同；# 2.如果不设置这个值，则系...
2018-06-05 15:50:45
3953
3
原创 GBDT分类实战完全总结（一）
第一部分：参数说明（一）、简述sklearn自带的ensemble模块中集成了GradientBoostingClassifier的类，参数包括：class sklearn.ensemble.GradientBoostingClassifier(loss=’deviance’, learning_rate=0.1, n_estimators=100, subsample=1.0, criterio...
2018-06-05 15:39:25
5818
1
原创 treePlotter模块
之前以为treePlotter是一个待安装的库，后来总是安装不成功，在学习过程中发现它其实就是一系列函数组成的自定义模块，下面介绍该模块的代码以及怎么使用该模块。第一步：新建一个python包，在__init__文件中键入以下代码：# _*_ coding: UTF-8 _*_import matplotlib.pyplot as plt"""绘决策树的函数"""decisionNod...
2018-05-31 18:03:13
19231
10
原创 CART回归树--《机器学习实战》
在学习集成方法的过程中，顺着思路来到CART回归树，它作为GBDT的基学习器，是以均方误差作为损失函数，找到其取极小值时的点作为切分点，将数据集划分为左右子树，然后继续上面的步骤。下面是代码部分，由于《机器学习实战》书中的代码存在部分错误，下面给予修正。# _*_ coding: UTF-8 _*_from numpy import *import numpy as npimport pic...
2018-05-31 10:06:50
1590
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人