我正在尝试使用分层 k 折和多项逻辑回归来拆分数据集，但是在使用此代码时出现了上述错误：
<pre><
我在 keras 模型上使用 k=10 运行 cross_validate，如果我保存并使用相同的种子运行，我可以看到对于特定的
我的数据包含组（个人）。数据中的每个观察值都是个体的年龄，从 16 岁到死亡，每个人的年龄都不同
我正在尝试将交叉验证应用于逻辑回归，该逻辑回归使用 sklearn 管道作为输入 tfidf 向量。我发现了几个
我看到一篇关于 <a href="https://www.sciencedirect.com/science/article/pii/S0167923609001377" rel="nofollow noreferrer">ScienceDire
我正在使用 python sci-kit learn 运行信号处理实验。我有一个精心设计的问题，它跨越 K-Fold 验证和随后的
我正在处理一个 NLP 项目，使用不同的评分方法，我得到了不同的结果。例如
这个给了我 90% +/- 0.6%
所以请我如何解决这种错误，请任何人指导我
<pre><code>X = df.iloc[:,:-2]
y = df.My_Labels
from sklearn.linear_mod
我目前正在撰写数据分析课程的期末论文。
这是关于获取一个大型数据集并执行多种方法，这些方
我如何制作“重复”保持方法，我制作了保持方法并获得了准确度，但需要重复保持方法30次
有我
我试图预测水是否可以安全饮用。数据集由这里的一个组成：
<a href="https://www.kaggle.com/adityakadiwal/water-pot
我想在混合朴素贝叶斯模型的训练中使用 10 折交叉验证。
我使用了 fastnaiveBayes 包。但我不知道如何进
我正在执行 K 折交叉验证以评估我的 SVM 模型性能。但是，由于数据的性质，我想使用特征缩放来缩放我
我在 GridSearchCV 和 K 折交叉验证之间有很多困惑。我知道 GridSearch 仅用于超参数优化，而 K Fold 会将我的
我正在尝试了解如何使用交叉验证函数 <a href="https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.KF
我在 GridSearchCV 和 K 折交叉验证之间有很多困惑。我知道 GridSearch 仅用于超参数优化，而 K Fold 会将我的
<pre><code>from sklearn.model_selection import cross_val_score
scores = cross_val_score(regressor, X_digits, Y_digits,cv=10,scoring='neg
我正在尝试对我的数据集执行 K-Fold 交叉验证，但是却弹出了一条错误消息
<pre><code>@IBAction func sButton(
我正在尝试使用来自 <a href="https://github.com/ShaishavJogani/Naive-Bayes-Classfier/blob/master/naive_bayes.py" rel="nofollow no
在这里，我遇到了 VSCode Jupyter 笔记本的奇怪行为！
我无法导入 <code>from sklearn.model_selection import KFold</code
