kaggle

    0熱度

    1回答

    我創建的回購 https://github.com/joyjeni/tensorflowexample.git 我想要做的kaggle泰坦尼克號數據集迴歸 我得到以下錯誤 OutOfRangeError異常:RandomShuffleQueue「_398_shuffle_batch_16/random_shuffle_queue'被關閉並且具有不足的元素(請求100,當前大小0) 有人可以告訴我爲

    0熱度

    3回答

    工作在Kaggle泰坦尼克號數據集。我試圖更好地理解決策樹,我已經很好地使用了線性迴歸,但從來沒有決策樹。我正在嘗試爲我的樹在Python中創建一個可視化文件。有些東西雖然不起作用。在下面檢查我的代碼。 import pandas as pd from sklearn import tree from sklearn.datasets import load_iris import nump

    1熱度

    2回答

    我導入的CSV從舊金山薪酬數據庫數據幀從Kaggle df=pd.read_csv('Salaries.csv') 我創建了一個數據幀從「DF」 df2=df.groupby(['JobTitle','Year'])[['TotalPay']].median() 聚合函數 問題1:第一列和第二列顯示爲無名稱,不應該發生。 即使我使用的 df2.columns 它只名TotalPay代碼

    0熱度

    1回答

    我想繪製來自Kaggle的泰坦尼克號數據的年齡分佈比例。 age_distribution_died= df.Age[df['Survived']==0].dropna().value_counts().sort_index() age_distribution_survived=df.Age[df['Survived']==1].dropna().value_counts().sort_ind

    0熱度

    2回答

    I'm目前做了大學的項目中,我需要從Kaggle評估數據集: enter image description here 我問題很簡單,但我無法通過研究找出結果: 如果薪水高於或低於50K,Python如何進行比較?問題在於'if-clause'的問題。它總是告訴我這個錯誤:IndexError:字符串索引超出範圍 非常感謝你幫助我! import csv with open('C:/Users

    0熱度

    1回答

    我正在使用jupyter筆記本在kaggle https://www.kaggle.com/c/word2vec-nlp-tutorial/details/part-1-for-beginners-bag-of-words上練習此問題。 當我使用下面的代碼 進口NLTK nltk.download()#下載文本數據集,包括停止詞 內核雲在忙碌狀態,然後我無法執行任何細胞進一步。

    0熱度

    1回答

    我已經從「https://www.kaggle.com/benhamner/d/kaggle/college-scorecard/exploring-the-us-college-scorecard-data」下載了一個名爲「database.sqlite」的文件。我必須將數據庫連接到R,但我不知道如何運行該文件或創建數據庫並使用該文件中的數據。我使用mac和SQLite版本是3.8.5。任何幫助

    1熱度

    2回答

    我在功能工程中查看了Kaggle的fill null方法。有些玩家用另一個對象值填充NA。 例如,性別欄中有'男','女'和NA值。該方法用另一個對象值填充NA,例如'中間'。之後,它將沒有null的性屬性對待,熊貓不會找到null。 我想知道該方法對機器學習模型的性能或良好的特徵工程有非常好的影響嗎? 除此之外,在數據集中沒有知識的發現之後,還有沒有其他的好方法來填充NA?

    0熱度

    1回答

    擬合Keras模型很慢的表現我已經在Windows 10安裝 蟒蛇和Python 3.5當我嘗試樣本模型,它花了很長時間的第一時期,所以我永遠也進不了第二個時代! 這裏是我的模型: def larger_model(): # create model model = Sequential() model.add(Convolution2D(30, 5, 5, bord

    0熱度

    1回答

    我想解決Titanic Problem on Kaggle,我不確定如何獲得給定測試數據的輸出。 我成功地訓練網絡,並調用該方法make_prediction(x, test_x) x = tf.placeholder('float', [None, ip_features]) ... def make_prediction(x, test_data): with tf.Sessio