使用DSW运行机器学习算法朴素贝叶斯

简介: 使用DSW运行机器学习算法朴素贝叶斯

打开课时页面https://tianchi.aliyun.com/course/310/3556,右上角点Fork
image.png

打开的页面点编辑
image.png

系统自动下载ipynb文件,进入DSW环境,页面上说明了需要的python版本,numpy,sklearn版本要求
image.png

选择单元格点击工具栏中三角符号运行,或者按下Shift+Enter快捷键同样操作
image.png
image.png

进入模型训练部分出现错误
image.png
搜索文档,新版本sklearn GaussianNB去掉了var_smoothing参数,那去掉var_smoothing=1e-8这个参数再运行

继续运行有错误,DSW中sklearn版本为0.19.1,没有CategoricalNB的使用
image.png

网上搜索sklearn1.1版本中有CategoricalNB

在notebook中使用看到系统python版本为3.6.5
Import python
Print(python.version)
image.png
而sklearn1.1要求的python版本最低为3.8
image.png
那是DSW环境python版本较低,而且当前notebook开始也说明了要求python3.7以上。课时内容运行需要升级python才可以,DSW环境需要再改进。

目录
相关文章
|
3天前
|
机器学习/深度学习 算法 TensorFlow
机器学习算法简介:从线性回归到深度学习
【5月更文挑战第30天】本文概述了6种基本机器学习算法:线性回归、逻辑回归、决策树、支持向量机、随机森林和深度学习。通过Python示例代码展示了如何使用Scikit-learn、statsmodels、TensorFlow库进行实现。这些算法在不同场景下各有优势,如线性回归处理连续值,逻辑回归用于二分类,决策树适用于规则提取,支持向量机最大化类别间隔,随机森林集成多个决策树提升性能,而深度学习利用神经网络解决复杂模式识别问题。理解并选择合适算法对提升模型效果至关重要。
16 4
|
2天前
|
机器学习/深度学习 数据采集 存储
【机器学习】K-近邻算法(KNN)全面解析
K-近邻算法(K-Nearest Neighbors, KNN)是一种基于实例的学习方法,属于监督学习范畴。它的工作原理简单直观:给定一个训练数据集,对新的输入实例,KNN算法通过计算其与训练集中每个实例的距离,找出距离最近的K个邻居,然后根据这些邻居的类别(对于分类任务)或值(对于回归任务)来预测新实例的类别或值。KNN因其简单高效和无需训练过程的特点,在众多领域中得到广泛应用,如模式识别、推荐系统、图像分类等。
5 0
|
2天前
|
机器学习/深度学习 算法
探索机器学习中的支持向量机(SVM)算法
【5月更文挑战第31天】 在数据科学的广阔天地中,支持向量机(SVM)以其卓越的性能和强大的理论基础脱颖而出。本文将深入剖析SVM的工作原理、核心概念以及实际应用,旨在为读者提供一个清晰的理解视角,并通过实例演示其在分类问题中的有效性。我们将从线性可分的情况出发,逐步过渡到非线性问题的处理方法,并探讨如何通过调整参数来优化模型的性能。
|
3天前
|
机器学习/深度学习 Web App开发 算法
Python 机器学习算法交易实用指南(一)(5)
Python 机器学习算法交易实用指南(一)
11 2
|
3天前
|
传感器 机器学习/深度学习 存储
Python 机器学习算法交易实用指南(一)(4)
Python 机器学习算法交易实用指南(一)
13 4
|
3天前
|
机器学习/深度学习 算法 API
Python 机器学习算法交易实用指南(一)(3)
Python 机器学习算法交易实用指南(一)
14 4
|
3天前
|
机器学习/深度学习 存储 算法
Python 机器学习算法交易实用指南(一)(2)
Python 机器学习算法交易实用指南(一)
9 2
|
3天前
|
机器学习/深度学习 算法 数据挖掘
Python 机器学习算法交易实用指南(一)(1)
Python 机器学习算法交易实用指南(一)
12 4
|
3天前
|
机器学习/深度学习 存储 分布式计算
Python 机器学习算法交易实用指南(五)(5)
Python 机器学习算法交易实用指南(五)
11 2
|
3天前
|
机器学习/深度学习 数据采集 算法
Python 机器学习算法交易实用指南(五)(4)
Python 机器学习算法交易实用指南(五)
15 4