栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

scikit-multiflow的初尝试

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

scikit-multiflow的初尝试

一、安装

在pycharm或者spyder上安装scikit-multiflow可能会遇到各种问题,只能耐心一点,多在网上找找教程。具体的安装过程可以参考以下b站上的视频教程,当然以下教程也不是包治百病。

如何在Anaconda上安装及卸载第三方包_哔哩哔哩_bilibili

二、代码

下面是一份完整的python代码,注释里面的方法不成功,错误提示为EvaluatePrequential导入不成功。

from skmultiflow.data import SEAGenerator
from skmultiflow.trees import HoeffdingTree
from skmultiflow import EvaluatePrequential
import matplotlib.pyplot as plt
import numpy as np

stream = SEAGenerator()  '''创建数据流
stream.prepare_for_use()
nb_iters=100
tree = HoeffdingTree() '''创建HoeffdingTree


correctness_dist = []

for i in range(nb_iters):
    X,Y = stream.next_sample()
    prediction = tree.predict(X)
    if Y==prediction:
        correctness_dist.append(1)
    else:
        correctness_dist.append(0)
    tree.partial_fit(X,Y)

time = [i for i in range(nb_iters)]
sumValue=0
accuracy= np.zeros(len(correctness_dist))
for i in range(len(correctness_dist)):
    sumValue = sumValue + correctness_dist[i]
    accuracy[i] = (sumValue*1.0)/(i+1)
    
print(accuracy)
plt.plot(time,accuracy)

'''
evaluator = EvaluatePrequential(show_plot=True, max_sample=nb_iters)
evaluator.evaluate(stream=stream,model=tree)
'''

三 参考文献

本博客参考了以下网络资源:

使用Scikit-Multiflow进行增量(在线)学习

进一步的学习,可以上官网查阅资料:scikit-multiflow

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/840878.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号