kaggle

    1热度

    2回答

    我有一个机器学习算法,它涉及一系列步骤,例如清理数据,准备训练数据等。每个步骤都存储在python类的单独方法中。我想知道构建我的类的最佳实践方式是如何在类实例化时自动执行这些步骤。 这是我所做的(代码是说明性的,但这种方法适用于真正的算法)。它感觉有点笨重。有没有更优雅的方式? class Kaggle(): """ An algorithm """ d

    0热度

    1回答

    我想要使用Octave读取training.csv文件中的Kaggle competition。 该文件包含16个字段。前15个是关键点的坐标。第十六张是图片,这是9216号码(0到255)之间的空格。 试过,但没有运气以下内容: - data = csvread('training.csv'); - data = dlmread('training.csv', ','); - [l1,l

    0热度

    1回答

    我将倾错误代码我同时尝试python脚本窗口: 预处理验证数据的前期 使用GPU设备0:特斯拉K20C Traceback (most recent call last): File "<string>", line 1, in <module> File "C:\SciSoft\WinPython-64bit-2.7.6.4\python-2.7.6.amd64\lib\multiprocess

    2热度

    1回答

    我现在正在参加几个Kaggle机器学习比赛,我只是有一个快速问题。为什么我们使用交叉验证来评估我们算法在这些比赛中的有效性? 当然,在这些比赛中,您在公共排行榜中的得分,您的算法在哪里与实际实时数据进行测试,可以让您更准确地表示算法的有效性?

    1热度

    1回答

    我的代码来自:https://www.kaggle.com/c/word2vec-nlp-tutorial/details/part-2-word-vectors,我读了成功的数据, 这里是用来BeautifulSoup和NLTK清洁文本,除去非字母数字却。 def review_to_wordlist(review, remove_stopwords=False): # Functio

    11热度

    1回答

    我按照kaggle facialkeypoints比赛从输入图像中提取30个面部关键点(x,y)。 我如何设置咖啡来运行回归并生成30维输出??。 Input: 96x96 image Output: 30 - (30 dimensions). 我该如何设置caffe?我使用EUCLIDEAN_LOSS(平方和)来得到回归输出。这是一个简单的使用caffe的逻辑回归模型,但它不起作用。看起来

    9热度

    5回答

    我收到以下错误 C50代码调用出口值为1 我上可用的泰坦尼克号数据这样做从Kaggle # Importing datasets train <- read.csv("train.csv", sep=",") # this is the structure str(train) 输出: - 'data.frame': 891 obs. of 12 variables: $ P

    3热度

    1回答

    我正在使用Kaggle提供的泰坦尼克号数据集。我有一个数据框,我想改变“性”列的情况下小写。我使用下面的代码 import pandas as pd df = pd.read_csv('titanic.csv') print dfFull['sex'].unique() df.sex.str.lower() #check if it worked print df['sex'].un

    0热度

    1回答

    我拥有列表形式的数据。我想做一些像(data[1::100])[3]这样的事情,在那里我访问前100个元素,然后是所有元素的第三列。在上Kaggle教程,我看到了之类的东西data[1::100,3],但是Python说: TypeError: list indices must be integers, not tuple. 是否有一个简单的方法来做到这一点?我可以使用一个循环或其他东西,但是这

    1热度

    1回答

    如何将图例添加到Matylotlib中的IPython笔记本内的xy线图?我目前的尝试: x = np.linspace(0, 3*np.pi, 500) a = plt.plot(x, np.sin(x**2)) b = plt.plot(x, np.sin(x**0.5)) plt.legend([a,b], ['square', 'square root']) 这样做,我得到以下错