multilayer - neural network python classification
SKlearn import MLPClassifier falla (4)
Estoy tratando de usar el perceptron multicapa de scikit-learn en python. Mi problema es que la importación no funciona. Todos los demás módulos de scikit-learn funcionan bien.
from sklearn.neural_network import MLPClassifier
Error de importación: no se puede importar el nombre MLPClassifier
Estoy usando Python Environment Python64-bit 3.4 en Visual Studio 2015. Instalé sklearn en la consola con: conda install scikit-learn
También instalé numpy y pandas. Después de tener el error anterior también instalé scikit-neuralnetwork con: pip install scikit-neuralnetwork
La pip install scikit-neuralnetwork
instalada es 0.17.
¿Qué he hecho mal? ¿Me estoy perdiendo una instalación?
----- EDITAR ----
Además de la respuesta de tttthomasssss, encontré la solución sobre cómo instalar la biblioteca sknn para redes neuronales. Seguí este tutorial . Haga los siguientes pasos:
-
pip install scikit-neuralnetwork
- Descargue e instale el compilador GCC
- instalar mingw con
conda install mingw libpython
Puede usar la biblioteca sknn después.
Llegué aquí con el problema v0.17 también. Encontré una solución usando pip aquí , es decir
pip install git+https://github.com/scikit-learn/scikit-learn.git
pip install cython
embargo, primero tuve que ejecutar pip install cython
.
Sin embargo, eso instala 0.19.dev0
(actualmente), pero la pip list
indica que la última es 0.18rc2
. Más bien
pip install scikit-learn==0.18.rc2
resolvió el problema de manera más satisfactoria.
desde shell / terminal
conda update scikit-learn
MLPClassifier
aún no está disponible en scikit-learn
v0.17 (desde el 1 de diciembre de 2015). Si realmente quieres usarlo, podrías clonar 0.18dev
(sin embargo, no sé cuán estable es actualmente esta rama).
apt-get update; /
apt-get install -y python python-pip /
python-numpy /
python-scipy /
build-essential /
python-dev /
python-setuptools /
libatlas-dev /
libatlas3gf-base
update-alternatives --set libblas.so.3 /usr/lib/atlas-base/atlas/libblas.so.3; update-alternatives --set liblapack.so.3 /usr/lib/atlas-base/atlas/liblapack.so.3
pip install -U scikit-learn
He importado MLPClassifier de sklearn.neural_network y parece que funciona.
También podría manejar estos problemas mediante el uso de imágenes acoplables. Esto permite a cualquier desarrollador recrear el entorno en cualquier servidor en un solo minuto. Puedes sacar la imagen de here
Esto también se puede realizar muy fácilmente usando la herramienta datmo-cli. Nos enfrentamos a estos problemas y decidimos construirlo.
También puedes resolver esto con un solo clic usando Datmo. Descargo de responsabilidad: Trabajo en Datmo