- 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 MacOs Mojave,目前正在尝试运行 GitHub 上可用的项目 this关联。我已经安装了最新版本的 python(即 python 3.8),目前在安装要求时遇到问题,主要是在 scikit-learn 中。无论哪种方式,我都会遇到同样的错误。
请帮助我在本地机器上完全运行这个项目。
我还在 GitHub 主页上提出了一个与此相关的问题,仍在等待充分的回应。
当我尝试根据给定的说明和 stackoverflow 上的可用答案安装 cython 时,我使用命令 pip3 install --upgrade cython 收到另一个带有 python3.8 的大错误页面,如答案中所述。我在此处附上错误消息。 这是我之后得到的完整错误集。如果有人能用 python3.8 帮助我完成这个项目,请提前致谢
感谢 VonC 解决了 cython 的安装问题。现在,在我的系统中使用 python3.8 安装 scikit-learn 时遇到的另一个错误是: scikit-learn installation error with python3.8正如@VonC 的回答,我确实尝试访问链接 enter link description here现在在执行命令时 pip install --verbose --editable 我现在得到 请帮我解决这个问题。我已经使用 Homebrew 安装了 LLVM OpenMP 库
最佳答案
“没有名为 Cython 的模块
”在其他项目中出现:CellProfiler/centrosome
issue 78有各种解决方法:
python3 setup.py install
# and/or
python3.6 -m pip install --upgrade cython
sudo python3.6 -m pip install --upgrade cython
# and/or
pip install --upgrade cython
If you're using python 2.7 or above, type on terminal:
pip install --upgrade cython
This should work.
The error is probably because thecython
version installed frompip
is incompatible to the python version on your system.
如果这导致:
xcrun: error: invalid active developer path (/Library/Developer/CommandLineTools)
然后检查this question ,并尝试更新 XCode:xcode-select --install
关于 scikit-learn错误,它是:
It seems that scikit-learn cannot be built with OpenMP support.
- Make sure you have followed the installation instructions:
https://scikit-learn.org/dev/developers/advanced_installation.html
Looks like it's the result of an error in
sklearn/_build_utils/openmp_helpers.py
For me the test program./test_openmp.c
works as expected, but not in the building Scikit-learn process.So, I just replace
False
toTrue
in the line 111 inopenmp_helpers.py
(sed -i -e '111s/False/True/'
e.g.).
As a result, I get normal building of Scikit-learn 0.21.3
而且,from instructions for Mac :
install
libomp
with Homebrew to extend the default Apple clang compiler.I tried the second option to install
libomp
with Homebrew.
It worked like a charm.
如果您看到“未找到文件“setup.py”
”,则表示未在正确的文件夹中执行 pip 命令。
如果你是installing from sources ,您应该键入 pip install --verbose --editable .
(在 conda activate sklearn-dev
之后)您克隆了所述源的位置(您应该在其中看到 setup.py
)
关于scikit-learn - 为 scikit-learn 运行 setup.py install ... 错误,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58849799/
基本上,我的问题是,由于无监督学习是机器学习的一种,是否需要机器“学习”的某些方面并根据其发现进行改进?例如,如果开发了一种算法来获取未标记的图像并找到它们之间的关联,那么它是否需要根据这些关联来改进
生成模型和判别模型似乎可以学习条件 P(x|y) 和联合 P(x,y) 概率分布。但从根本上讲,我无法说服自己“学习概率分布”意味着什么。 最佳答案 这意味着您的模型要么充当训练样本的分布估计器,要么
是否有类似于 的 scikit-learn 方法/类元成本 在 Weka 或其他实用程序中实现的算法以执行常量敏感分析? 最佳答案 不,没有。部分分类器提供 class_weight和 sample_
是否Scikit-learn支持迁移学习?请检查以下代码。 型号 clf由 fit(X,y) 获取 jar 头型号clf2在clf的基础上学习和转移学习 fit(X2,y2) ? >>> from s
我发现使用相同数据的两种交叉验证技术之间的分类性能存在差异。我想知道是否有人可以阐明这一点。 方法一:cross_validation.train_test_split 方法 2:分层折叠。 具有相同
我正在查看 scikit-learn 文档中的这个示例:http://scikit-learn.org/0.18/auto_examples/model_selection/plot_nested_c
我想训练一个具有很多标称属性的数据集。我从一些帖子中注意到,要转换标称属性必须将它们转换为重复的二进制特征。另外据我所知,这样做在概念上会使数据集稀疏。我也知道 scikit-learn 使用稀疏矩阵
我正在尝试在 scikit-learn (sklearn.feature_selection.SelectKBest) 中通过卡方方法进行特征选择。当我尝试将其应用于多标签问题时,我收到此警告: 用户
有几种算法可以构建决策树,例如 CART(分类和回归树)、ID3(迭代二分法 3)等 scikit-learn 默认使用哪种决策树算法? 当我查看一些决策树 python 脚本时,它神奇地生成了带有
我正在尝试在 scikit-learn (sklearn.feature_selection.SelectKBest) 中通过卡方方法进行特征选择。当我尝试将其应用于多标签问题时,我收到此警告: 用户
有几种算法可以构建决策树,例如 CART(分类和回归树)、ID3(迭代二分法 3)等 scikit-learn 默认使用哪种决策树算法? 当我查看一些决策树 python 脚本时,它神奇地生成了带有
有没有办法让 scikit-learn 中的 fit 方法有一个进度条? 是否可以包含自定义的类似 Pyprind 的内容? ? 最佳答案 如果您使用 verbose=1 初始化模型调用前 fit你应
我正在使用基于 rlglue 的 python-rl q 学习框架。 我的理解是,随着情节的发展,算法会收敛到一个最优策略(这是一个映射,说明在什么状态下采取什么行动)。 问题 1:这是否意味着经过若
我正在尝试使用 grisSearchCV 在 scikit-learn 中拟合一些模型,并且我想使用“一个标准错误”规则来选择最佳模型,即从分数在 1 以内的模型子集中选择最简约的模型最好成绩的标准误
我正在尝试离散数据以进行分类。它们的值是字符串,我将它们转换为数字 0,1,2,3。 这就是数据的样子(pandas 数据框)。我已将数据帧拆分为 dataLabel 和 dataFeatures L
每当我开始拥有更多的类(1000 或更多)时,MultinominalNB 就会变得非常慢并且需要 GB 的 RAM。对于所有支持 .partial_fit()(SGDClassifier、Perce
我需要使用感知器算法来研究一些非线性可分数据集的学习率和渐近误差。 为了做到这一点,我需要了解构造函数的一些参数。我花了很多时间在谷歌上搜索它们,但我仍然不太明白它们的作用或如何使用它们。 给我带来更
我知道作为功能 ordinal data could be assigned arbitrary numbers and OneHotEncoding could be done for catego
这是一个示例,其中有逐步的过程使系统学习并对输入数据进行分类。 它对给定的 5 个数据集域进行了正确分类。此外,它还对停用词进行分类。 例如 输入:docs_new = ['上帝就是爱', '什么在哪
我有一个 scikit-learn 模型,它简化了一点,如下所示: clf1 = RandomForestClassifier() clf1.fit(data_training, non_binary
我是一名优秀的程序员,十分优秀!