我的数据如下所示。它具有333行和2列。显然，第一行是异常。
ndf：
<pre><code> +---+---------+--------
我正在使用scikit-learn进行基本的机器学习
<pre class="lang-py prettyprint-override"><code>import pandas as pd
import num
我想对回归模型（非分类）进行交叉验证，最终得出的平均准确度约为0.90。但是，我不知道该方法使用
我正在尝试<a href="https://www.kaggle.com/dansbecker/your-first-machine-learning-model" rel="nofollow noreferrer">Kaggle</a>上的
类似于决策树回归器或分类器中的<code>min_samples_leaf</code>超参数，该参数控制着在叶节点处所需的最少样
问题：
两个变量<code>(x1, x2)</code>和两个输出<code>(y1, y2)</code>，其数据可用于计算输入和输出之间的
如果我错了，请纠正我，但是我听说Logistic回归将数据的线性回归作为“变量”（而不是x），例如：
我正试图绘制受过训练的决策树回归器的决策边界，如sklearn示例（<a href="https://scikit-learn.org/stable/auto_exa
尝试在人类活动识别上绘制混乱矩阵，一切正常，接受混乱矩阵。我无法打印混乱矩阵。
<pre><code>cm =
我是机器学习的新手，正在尝试运行以下代码
<pre><code>from sklearn.datasets import fetch_openml
mnist = fetch_open
我有一个具有2个特征（价格和数量）和1个预测变量（价格）的数据集，并使用LTSM模型根据上一组价格
我在pycharm和jupyter上使用相同的代码和相同的环境。我试图解释分类器的预测。
<pre><code>print(eli5.format
我已经使用pip安装了scikit-learn模块，但是当我尝试将其导入文件时，出现以下错误：
<pre><code>File "
<strong>我的问题背景：</strong>
我正在使用mt随机森林回归器中scikit-learn的GridSearchCV执行超参数调整
我正在尝试将代码从Python转换为Scala，我陷入了scikit-learn中存在的函数中，而在Scala Spark中找不到它
<p
我正在使用scikit Learns管道创建数据管道。我的目标是添加一个SimpleImputer，以使用<code>'most-frequent'<
有人可以帮助我解决这个问题吗？
我尝试重置索引，但没有帮助。
Python 3.7版
代码：</p
这是我的代码：
<pre><code>prediction = DBSCAN(metric='precomputed').fit_predict(mat)
score = silhouette_score(mat, pre
我正在尝试找出列车测试拆分中的随机状态与MLP回归器中的随机状态之间的差异。
如果我在MLP回归器中
<strong>问题</strong>：找出DBSCAN算法的Eps和MinPts参数的最佳方法是什么？
<strong>问题</strong>：目标是
