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
|
5月前
|
存储 算法 网络架构
基于多目标粒子群优化算法的冷热电联供型综合能源系统运行优化(Matlab代码实现)
基于多目标粒子群优化算法的冷热电联供型综合能源系统运行优化(Matlab代码实现)
199 2
|
3月前
|
机器学习/深度学习 数据采集 人工智能
【机器学习算法篇】K-近邻算法
K近邻(KNN)是一种基于“物以类聚”思想的监督学习算法,通过计算样本间距离,选取最近K个邻居投票决定类别。支持多种距离度量,如欧式、曼哈顿、余弦相似度等,适用于分类与回归任务。结合Scikit-learn可高效实现,需合理选择K值并进行数据预处理,常用于鸢尾花分类等经典案例。(238字)
|
4月前
|
存储 边缘计算 算法
【太阳能学报EI复现】基于粒子群优化算法的风-水电联合优化运行分析(Matlab代码实现)
【太阳能学报EI复现】基于粒子群优化算法的风-水电联合优化运行分析(Matlab代码实现)
|
4月前
|
数据可视化
基于遗传算法(GA)的配电网优化运行仿真
基于遗传算法(GA)的配电网优化运行仿真
|
8月前
|
机器学习/深度学习 数据采集 人工智能
20分钟掌握机器学习算法指南
在短短20分钟内,从零开始理解主流机器学习算法的工作原理,掌握算法选择策略,并建立对神经网络的直观认识。本文用通俗易懂的语言和生动的比喻,帮助你告别算法选择的困惑,轻松踏入AI的大门。
|
9月前
|
机器学习/深度学习 存储 Kubernetes
【重磅发布】AllData数据中台核心功能:机器学习算法平台
杭州奥零数据科技有限公司成立于2023年,专注于数据中台业务,维护开源项目AllData并提供商业版解决方案。AllData提供数据集成、存储、开发、治理及BI展示等一站式服务,支持AI大模型应用,助力企业高效利用数据价值。
|
10月前
|
机器学习/深度学习 人工智能 自然语言处理
AI训练师入行指南(三):机器学习算法和模型架构选择
从淘金到雕琢,将原始数据炼成智能珠宝!本文带您走进数字珠宝工坊,用算法工具打磨数据金砂。从基础的经典算法到精密的深度学习模型,结合电商、医疗、金融等场景实战,手把手教您选择合适工具,打造价值连城的智能应用。掌握AutoML改装套件与模型蒸馏术,让复杂问题迎刃而解。握紧算法刻刀,为数字世界雕刻文明!
359 6
|
11月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于机器学习的人脸识别算法matlab仿真,对比GRNN,PNN,DNN以及BP四种网络
本项目展示了人脸识别算法的运行效果(无水印),基于MATLAB2022A开发。核心程序包含详细中文注释及操作视频。理论部分介绍了广义回归神经网络(GRNN)、概率神经网络(PNN)、深度神经网络(DNN)和反向传播(BP)神经网络在人脸识别中的应用,涵盖各算法的结构特点与性能比较。
|
11月前
|
人工智能 编解码 算法
使用 PAI-DSW x Free Prompt Editing图像编辑算法,开发个人AIGC绘图小助理
使用 PAI-DSW x Free Prompt Editing图像编辑算法,开发个人AIGC绘图小助理
283 0
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
解锁机器学习的新维度:元学习的算法与应用探秘
元学习作为一个重要的研究领域,正逐渐在多个应用领域展现其潜力。通过理解和应用元学习的基本算法,研究者可以更好地解决在样本不足或任务快速变化的情况下的学习问题。随着研究的深入,元学习有望在人工智能的未来发展中发挥更大的作用。

热门文章

最新文章