我的Jupyter笔记本的python内核一直在消亡。我之前已经成功运行了以下所有代码。目前,存在一些问题。首先,我将向您展示我能够成功运行的代码块:import xgboost as xgb

xgtrain = xgb.DMatrix(data = X_train_sub.values, label = Y_train.values) # create dense matrix of training values

xgtest = xgb.DMatrix(data = X_test_sub.values, label = Y_test.values) # create dense matrix of test values

param = {'max_depth':2, 'eta':1, 'silent':1, 'objective':'binary:logistic'} # specify parameters via map

如果我的数据很小:X_train_imp_sub.shape

(1365, 18)

但是,我的笔记本的内核一直在这个块上死掉:xgmodel = xgb.train(param, xgtrain, num_boost_round = 2) # train the model

predictions = xgmodel.predict(xgtest) # make prediction

from sklearn.metrics import accuracy_score

accuracy = accuracy_score(y_true = Y_test,

y_pred = predictions.round(),

normalize = True) # If False, return # of correctly classified samples. Else, return fraction of correctly classified samples

print("Accuracy: %.2f%%" % (accuracy * 100.0))

当我把它分开并逐行运行时,内核似乎死在xgb.train()行上。

数据很小。xgboost参数应该是保守的(即num_boost_round = 2、max_depth:2、eta:1),并且不需要计算代价。不知道发生了什么。

如前所述,我以前能够成功地运行这两个块。我已关闭了所有其他笔记本电脑,并重新启动了我的电脑没有运气。我将通过MacBookPro上的Anaconda Navigator启动jupyter。

--更新--

当我在我的xgboost训练单元格下选择一个单元格,然后选择:Cells-->Run All Above,内核将始终死在xgboost训练行上。这种情况连续发生了大约40-50次。我尝试了很多次,因为我正在对代码进行更改,以为以后会解决xgboost问题。

后来,我一个接一个地运行同一个单元格,第一次尝试时和之后每次尝试时,xgboost都完成得很好。我不知道为什么会这样,但很高兴知道。

python内核死亡的原因_Python xgboost:内核死亡相关推荐

  1. python内核死亡的原因_Python的内核由于DLL而死亡

    对于机器学习课程,我正在用python做练习.我们的作业必须使用Jupyter笔记本.虽然这在我的笔记本电脑和我的办公桌上运行得很好,但我不能在家里的桌面上运行任何东西.在 因为我不确定是否允许我发布 ...

  2. python内核死亡的原因_python - Jupyter Notebook内核在编译神经网络时死亡 - SO中文参考 - www.soinside.com...

    在创建和编译keras密集神经网络时,我的jupyter笔记本内核总是死掉.终端给我一个消息,提示它无法分配空间,并且CUDA内存不足.我的GPU(2060 Super)已经多次运行此模型,只是没有在 ...

  3. python字符串无效的原因_python字符串问题

    相关知识点: 字符串在Python内部的表示是unicode编码,因此,在做编码转换时,通常需要以unicode作为中间编码,即先将其他编码的字符串解码(decode)成unicode,再从unico ...

  4. python字符串无效的原因_Python(60)扩展和嵌入1.使用 C 或 C++ 扩展 Python

    1. 使用 C 或 C++ 扩展 Python 如果你会用 C,添加新的 Python 内置模块会很简单.以下两件不能用 Python 直接做的事,可以通过 extension modules 来实现 ...

  5. python语法报错原因_python萌新最常见5大错误

    Python 小萌新最常见 5 大错误的: 1. invalid syntax 报错原因:语法错误 首先这个时候需要检查语法是否有用错,如果报错行没有发现错误,通常在相 邻行会出现问题,这个时候就要检 ...

  6. python读取配置文件失败原因_python读取配置文件报keyerror-文件路径不正确导致的错误...

    - 在其他模块使用反射读取配置文件报错,但是在反射模块中读取GetData.check_list又是正确的 反射模块如下: # get_data.py from API_AUTO.p2p_projec ...

  7. python程序跑得慢_Python程序慢的重要原因

    Python慢的重要原因: 1.python是动态性语言不是静态性语言 在python程序执行的时候,编译器不知道变量的类型. 2.python是解释性语言而不是编译性语言 解释型语言与编译型语言它们 ...

  8. python中doc=parased.getroot()_python实例手册.py

    python实例手册 #encoding:utf8 # 设定编码-支持中文 0 说明 手册制作: 雪松 littlepy www.51reboot.com 更新日期: 2016-01-21 欢迎系统运 ...

  9. aix内核是linux,linux和aix内核参数检查

    安装oracle软件时需要设置操作系统级别的用户限制,后期检查可以使用如下命令,方便问题的排查工作 linux: tail -15 /etc/security/limits.conf tail -30 ...

最新文章

  1. [3/18]Windows Server 2008 服务器配置之一DNS
  2. agg::rendering_buffer 渲染缓存
  3. pytorch datasets.ImageFolder,DataLoader形成的tensor是什么样的?
  4. Scrapy框架的学习(7. 了解Scrapy中的debug信息以及Scrapy shell的使用)
  5. 蚂蚁金服终端实验室演进之路
  6. apache字体文件跨域_在CabloyJS中将Webpack生成的文件自动上传到阿里云OSS
  7. 云计算正在“抹杀”开源?
  8. deeplab v3+---Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation
  9. 将两个文件的路径作为参数传递给脚本_将Docker与pipeline一起使用
  10. 海洋CMS插件-内置接口的海洋CMS插件
  11. 流放之路 剧情 第六章
  12. 英超前瞻乐.fun|体育 中秋利物浦主场对战狼队 历史交战能否延续全胜
  13. 如何为服务器配置路由协议,服务器如何配置路由
  14. Python 中的 Plotly 是什么?
  15. 第二证券|小鹏持续萎靡,理想蔚来逆势反弹破月销记录
  16. 画图软件origin安转
  17. 华为防火墙-1(理论)
  18. 这就是你日日夜夜想要的docker!!!---------Docker Compose容器编排理论+实操
  19. 卡尔曼滤波(联邦、一致性卡尔曼滤波)
  20. Python之基础详解(十):用python的pyecharts模块绘制世界地图(疫情)

热门文章

  1. 【多题合集】KMP练习
  2. 【codevs2287】火车站,第一个A掉的钻石题(迟来的解题报告)
  3. 9.霍夫变换:圆——圆的算法、投票使用技巧、优点和缺点_2
  4. linux 80中断,在64位Linux上使用中断0x80
  5. 如何在服务器运行aspx_ASP.NET开发实战——(四)MVC是如何运行?它的生命周期是什么?...
  6. java socket 编程 客户机服务器_Java Socket编程服务器响应客户端实例代码
  7. Pentium 4处理器架构/微架构/流水线 (12) - 微架构框图
  8. 杭电计算机组成实验2(二)超前进位加法器设计实验
  9. tinymce vue 部分工具不显示_工具栏图标未在tinymce(4.0.1)文本编辑器中显示
  10. springboot 日志级别_SpringBoot实战(十三):Admin动态修改日志级别