我想进口sklearn.model_selection
。我试图重新安装scikit-
learn和anaconda,但仍然无法正常工作。这是我得到的错误消息:
ImportError Traceback (most recent call last)
<ipython-input-69-e49df3a70ea4> in <module>()
4 get_ipython().magic(u'matplotlib inline')
5 # from sklearn.model_selection import train_test_split
----> 6 import sklearn.model_selection
/Users/Lu/anaconda/lib/python2.7/site-packages/sklearn/model_selection/__init__.py in <module>()
----> 1 from ._split import BaseCrossValidator
2 from ._split import KFold
3 from ._split import GroupKFold
4 from ._split import StratifiedKFold
5 from ._split import TimeSeriesSplit
/Users/Lu/anaconda/lib/python2.7/site-packages/sklearn/model_selection/_split.py in <module>()
34 from ..utils.random import choice
35 from ..base import _pprint
---> 36 from ..gaussian_process.kernels import Kernel as GPKernel
37
38 __all__ = ['BaseCrossValidator',
/Users/Lu/anaconda/lib/python2.7/site-packages/sklearn/gaussian_process/__init__.py in <module>()
11 """
12
---> 13 from .gpr import GaussianProcessRegressor
14 from .gpc import GaussianProcessClassifier
15 from . import kernels
/Users/Lu/anaconda/lib/python2.7/site-packages/sklearn/gaussian_process/gpr.py in <module>()
10 import numpy as np
11 from scipy.linalg import cholesky, cho_solve, solve_triangular
---> 12 from scipy.optimize import fmin_l_bfgs_b
13
14 from sklearn.base import BaseEstimator, RegressorMixin, clone
/Users/Lu/anaconda/lib/python2.7/site-packages/scipy/optimize/__init__.py in <module>()
232 from .optimize import *
233 from ._minimize import *
--> 234 from ._root import *
235 from .minpack import *
236 from .zeros import *
/Users/Lu/anaconda/lib/python2.7/site-packages/scipy/optimize/_root.py in <module>()
17
18 from .optimize import MemoizeJac, OptimizeResult, _check_unknown_options
---> 19 from .minpack import _root_hybr, leastsq
20 from ._spectral import _root_df_sane
21 from . import nonlin
/Users/Lu/anaconda/lib/python2.7/site-packages/scipy/optimize/minpack.py in <module>()
2
3 import warnings
----> 4 from . import _minpack
5
6 import numpy as np
ImportError: cannot import name _minpack
检查您的scikit学习版本;
import sklearn
print(sklearn.__version__)
sklearn.model_selection
适用于版本0.18.1。
您需要导入什么取决于您的需求。例如,在版本0.18.1中,GridSearchCV
可以导入为
from sklearn.model_selection import GridSearchCV
而在版本0.17.1中,可以导入与
from sklearn.grid_search import GridSearchCV
如果您在新的scikit文档中发现任何不适用于您的系统的内容,请在文档中搜索您正在使用的当前版本。导入路径可能不同,但总体功能应相同。
如果您以前没有任何需要较旧版本的项目或代码,则更好的选择是更新scikit-learn软件包。如您所述,您使用Anaconda时,以下帖子将非常有用:
如何在Anaconda中升级scikit-
learn软件包
问题内容: 我试图在Linux Mint 12上安装scikit-learn,但失败了。我从http://pypi.python.org/pypi/scikit- learn/ 下载了该软件包并安装了 然后,我将目录更改为home并启动python2.7 shell。在导入sklearn时,我得到了: 我认为问题出在scipy的空间。这是因为当我做 我得到与Scikit学习相同的错误。 请帮忙。谢
scikit-learn 是一个 Python 的机器学习项目。是一个简单高效的数据挖掘和数据分析工具。基于 NumPy、SciPy 和 matplotlib 构建。 Installation 依赖 scikit-learn 要求: Python (>= 2.7 or >= 3.3) NumPy (>= 1.8.2) SciPy (>= 0.13.3) 运行示例需要 Matplotlib >= 1
Introduction to Machine Learning with scikit-learn This video series will teach you how to solve Machine Learning problems using Python's popular scikit-learn library. There are 10 video tutorials tot
你可以使用 Keras 的 Sequential 模型(仅限单一输入)作为 Scikit-Learn 工作流程的一部分,通过在此找到的包装器: keras.wrappers.scikit_learn.py。 有两个封装器可用: keras.wrappers.scikit_learn.KerasClassifier(build_fn=None, **sk_params), 这实现了Scikit-Le
校验者: @小瑶 翻译者: @片刻 Note 如果你想为这个项目做出贡献,建议你 安装最新的开发版本 . 安装最新版本 Scikit-learn 要求: Python (>= 2.7 or >= 3.3), NumPy (>= 1.8.2), SciPy (>= 0.13.3). 如果你已经有一个安全的 numpy 和 scipy,安装 scikit-learn 最简单的方法是使用 pip pip
问题内容: 我正在使用scikit-learn的TfidfVectorizer从文本数据中提取一些特征。我有一个带分数(可以为+1或-1)和审阅(文本)的CSV文件。我将这些数据放入一个DataFrame中,以便可以运行Vectorizer。 这是我的代码: 这是我得到的错误的回溯: 我检查了CSV文件和DataFrame中是否有被读取为NaN的内容,但找不到任何内容。有18000行,没有一个返回
问题内容: 我正在尝试在Python中使用scikit-learn设计一个简单的决策树(我在Windows OS上将Anaconda的Ipython Notebook与Python 2.7.3结合使用),并将其可视化如下: 但是,出现以下错误: 我使用以下博客文章作为参考:Blogpost链接 以下stackoverflow问题似乎也不适合我:问题 有人可以帮助我如何在scikit-learn中可
问题内容: 我有一些文本类型的列的熊猫数据。这些文本列中包含一些NaN值。我想做的是通过(用最常用的值替换NaN )来估算那些NaN 。问题在于实施。假设有一个具有30列的Pandas数据框df,其中10列属于分类性质。一旦我运行: Python会生成一个,其中’run1’是带有分类数据的第一列中的普通(不丢失)值。 任何帮助将非常欢迎 问题答案: 要将平均值用于数字列,将最频繁的值用于非数字列,