- 博客(13)
- 资源 (4)
- 收藏
- 关注
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 2959
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 16:57:19 650
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 4878 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 1002 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 3610 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 2988
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 3955 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 5821 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 19248 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 1593 1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人