python无法对存在交叉部分的图片进行识别_Python异常样本识别 交叉验证出现错误?...
源码:fromsklearn.model_selectionimportKFoldfromsklearn.metricsimportrecall_scorefold=KFold(5,shuffle=False)recall_accs=[]c_param_range=[0.01,0.1,1,10,100]results_table=p...
源码:
from sklearn.model_selection import KFold
from sklearn.metrics import recall_score
fold = KFold(5, shuffle=False)
recall_accs = []
c_param_range = [0.01, 0.1, 1, 10, 100]
results_table = pd.DataFrame(columns = ['C值', '平均召回率得分'])
results_table['C值'] = c_param_range
j = 0
for c_param in c_param_range:
print('C值:',c_param)
recall_accs = []
for iteration, indices in enumerate(fold.split(y_train)):
lr = LR(C = c_param, penalty = '12')
X_train = X_train.reset_index(drop=True)
y_train = y_train.reset_index(drop=True)
lr.fit(X_train.iloc[indices[0],:], y_train.iloc[indices[0]].values.ravel())
y_pred = lr.predict(X_train.iloc[indices[1],:].values)
recall_acc = recall_score(y_train.iloc[indices[1]].values, y_pred)
recall_accs.append(recall_acc)
print('迭代次数', iteration, ':召回率得分=', recall_acc)
results_table.ix[j, '平均召回率得分'] = np.mean(recall_accs)
j += 1
print('平均召回率得分:', np.mean(recall_accs))
best_c = results_table.loc[results_table['平均召回率得分'].idxmax()]['C值']
print('交叉验证最好的C值是',best_c)
错误提示:ValueError Traceback (most recent call last)
in ()
14 X_train = X_train.reset_index(drop=True)
15 y_train = y_train.reset_index(drop=True)
---> 16 lr.fit(X_train.iloc[indices[0],:], y_train.iloc[indices[0]].values.ravel())
17 y_pred = lr.predict(X_train.iloc[indices[1],:].values)
18 recall_acc = recall_score(y_train.iloc[indices[1]].values, y_pred)
D:\Anaconda3\lib\site-packages\sklearn\linear_model\logistic.py in fit(self, X, y, sample_weight)
1491 The SAGA solver supports both float64 and float32 bit arrays.
1492 """
-> 1493 solver = _check_solver(self.solver, self.penalty, self.dual)
1494
1495 if not isinstance(self.C, numbers.Number) or self.C < 0:
D:\Anaconda3\lib\site-packages\sklearn\linear_model\logistic.py in _check_solver(solver, penalty, dual)
440 if penalty not in all_penalties:
441 raise ValueError("Logistic Regression supports only penalties in %s,"
--> 442 " got %s." % (all_penalties, penalty))
443
444 if solver not in ['liblinear', 'saga'] and penalty not in ('l2', 'none'):
ValueError: Logistic Regression supports only penalties in ['l1', 'l2', 'elasticnet', 'none'], got 12.
求大神帮忙。
展开
python无法对存在交叉部分的图片进行识别_Python异常样本识别 交叉验证出现错误?...相关推荐
- python实现验证码识别_Python实现验证码识别
大致介绍 在python爬虫爬取某些网站的验证码的时候可能会遇到验证码识别的问题,现在的验证码大多分为四类: 1.计算验证码 2.滑块验证码 3.识图验证码 4.语音验证码 这篇博客主要写的就是识图验 ...
- python里输入3.14*2会出现数据报错_Python程序员的30个常见错误
导读:在这篇文章中,我将总结新老Python程序员常犯的一些错误,以帮助你们在自己的工作避免犯同样或类似错误. 作者:Mark Lutz 译者:伯乐在线 - 果果夫斯基 来源:http://blog. ...
- python中try和except语句语言导入包吗_Python异常处理中try与except用法的案例
Python异常处理中try与except用法的案例 发布时间:2020-11-03 09:44:36 来源:亿速云 阅读:85 作者:小新 小编给大家分享一下Python异常处理中try与excep ...
- 基于python的表情识别_python 实现表情识别
表情识别 表情识别支持7种表情类型,生气.厌恶.恐惧.开心.难过.惊喜.平静等. 实现思路 使用opencv识别图片中的脸,在使用keras进行表情识别. 效果预览 实现代码 与<>相似, ...
- python屏幕文字识别_Python文字截图识别OCR工具实例解析
一.简介 你一定用过那种"OCR神器",可以把图片中的文字提取出来,极大的提高工作效率. 今天,我们就来做一款实时截图识别的小工具.顾名思义,运行程序时,可以实时把你截出来的图片中 ...
- python银行卡号识别_Python银行卡数字识别项目 (Opencv)
嫌弃b站无代码块看不清楚的各位可以去我的csdn博客上看.. https://blog.csdn.net/weixin_44543614/article/details/105471010 项目的预览 ...
- python构建cnn图片匹配_tensorflow搭建cnn人脸识别训练+识别代码(python)
#-*- coding: utf-8 -*- from skimage importio,transformimportglobimportosimporttensorflow as tfimport ...
- Python使用tpot获取最优模型、将最优模型应用于交叉验证数据集(5折)获取数据集下的最优表现,并将每一折(fold)的预测结果、概率、属于哪一折与测试集标签、结果、概率一并整合输出为结果文件
Python使用tpot获取最优模型.将最优模型应用于交叉验证数据集(5折)获取数据集下的最优表现,并将每一折(fold)的预测结果.概率.属于哪一折与测试集标签.结果.概率一并整合输出为结果文件 目 ...
- python selenium 验证码识别_Python网络爬虫之如何用代码识别图片验证码
验证码 当我们在爬取某些网站的时候,对于一些频繁请求,网站会识别你是机器还是人.如果是机器,直接不允许你访问这个网站了,直接返回404或者禁止访问. 最常见的方式就是验证码.验证码的主要功能就是区分当 ...
最新文章
- 聊聊sentinel的SystemSlot
- 互联网企业烧钱抢占公交Wi-Fi市场
- @value 注入静态属性_SpringBoot使用@Value读取属性值
- 在centos上搭建svn服务器
- leetcode 70. 爬楼梯(C语言)
- java 输入流关闭顺序_JAVA的节点流和处理流以及流的关闭顺序
- 设计一个程序实现两个任意长的整数的求和运算_深入 Python (7) Karatsuba 实现长整数乘法...
- [USACO]地震 (二分答案+最优比率生成树详解)
- soapui返回值类型都有哪些_滚珠丝杠的常用类型都有哪些?
- C++原子性实现无锁队列
- linux系统多大分区,linux系统中fdisk最大能认到多大分区
- mac启动台(launchpad)图标大小调整
- PID调节参数的作用
- HTTP,TCP,UDP常见端口对照表大全
- 单继承与多继承的虚函数表
- java8新特性-Stream流
- 第 6章 图——数据结构
- Azure VM加速网络
- Rock PI 4B Plus(Linux Ubuntu20.04 .4LTS) 安装anaconda教程
- android SwipeRefreshLayout 源码分析之 弹力计算分析。
热门文章
- 重新理解javascript回调函数
- 各种推荐资料汇总。。。
- 当某个快捷键不能用时很可能是热键冲突
- asp.net如何生成图片验证码
- 入门指南_激光切管快速入门指南
- 分层和分段用什么符号_小编带你学直播——后牙树脂分层堆塑
- springboot mybatis mysql8.0 异常 invalid bound statement (not found)(汇总篇)
- 抽象类和接口的共同点和区别
- 通俗易懂的大白话讲解Map/Reduce原理
- 框架详解_详解:python Web框架flask表单实现(建议收藏)