- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用 Python 来预测值并收到许多警告,例如:
Increase the number of iterations (max_iter) or scale the data asshown in:https://scikit-learn.org/stable/modules/preprocessing.html Please also refer to the documentation for alternative solver options:https://scikit-learn.org/stable/modules/linear_model.html#logistic-regressionn_iter_i = _check_optimize_result(C:\Users\ASMGX\anaconda3\lib\site-packages\sklearn\linear_model_logistic.py:762:ConvergenceWarning: lbfgs failed to converge (status=1): STOP: TOTALNO. of ITERATIONS REACHED LIMIT.
这会阻止我看到我自己的打印结果。
有什么办法可以阻止显示这些警告?
最佳答案
您可以使用 warnings
-module 暂时抑制警告。所有警告或特定警告。
在这种情况下,scikit-learn 引发了一个 ConvergenceWarning
所以我建议完全抑制这种类型的警告。该警告类位于 sklearn.exceptions.ConvergenceWarning
中,因此请预先导入它并使用上下文管理器 catch_warnings
和函数 simplefilter
至 ignore警告,即不将其打印到屏幕上:
import warnings
from sklearn.exceptions import ConvergenceWarning
with warnings.catch_warnings():
warnings.simplefilter("ignore", category=ConvergenceWarning)
optimizer_function_that_creates_warning()
您也可以全局忽略该特定警告以避免使用上下文管理器:
import warnings
warnings.simplefilter("ignore", category=ConvergenceWarning)
optimizer_function_that_creates_warning()
不过我建议使用上下文管理器,因为您确定在何处抑制警告。这样你就不会抑制来自意想不到的地方的警告。
关于python - 隐藏 scikit-learn ConvergenceWarning : "Increase the number of iterations (max_iter) or scale the data",我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/66938102/
我正在使用 GridSearchCV 来优化 SVM 的超参数。我设置了最大迭代次数,因为我等不及几个小时才能得到结果。我知道会有收敛警告。我只是 想忽略这些警告而不显示在终端中。 提前致谢。 最佳答
为 Adrian 运行线性二进制模式的代码。该程序运行但给出以下警告: C:\Python27\lib\site-packages\sklearn\svm\base.py:922: Convergen
我正在使用 Python 来预测值并收到许多警告,例如: Increase the number of iterations (max_iter) or scale the data asshown
我正在使用 Python 来预测值并收到许多警告,例如: Increase the number of iterations (max_iter) or scale the data asshown
我已经编写了一个基本程序来了解 MLP 分类器中发生的情况? from sklearn.neural_network import MLPClassifier 数据:标记为男性或女性的 body 指标
我是一名优秀的程序员,十分优秀!