在使用 sklearn.metrics.recall() 时报错：

ValueError: pos_label=‘pos’ is not a valid label: array([‘HA’, ‘LA’], dtype=‘<U2’)

其实这个错误很简单，意思就是：默认的 正标签 即 pos_label 为 1 ，那么，在计算指标的时候，系统就会认为 1是正标签，其他的都为负标签（比如：0） 。而我们所定义的标签中， HA 是正标签， LA 是负标签，因此，我们只需在代码中添加一句 pos_label='HA' ，这样程序就认得了： 哦！原来正标签不是1，是HA啊！ 这样就解决这个错误。是不是很简单啊😏

sklearn.metrics.recall_score(y_test, y_pred)
将代码更改为下面的，即可解决
 
# 请根据自己的实际情况，更换为自己的标签：pos_label='定义的正标签'
sklearn.metrics.recall_score(y_test, y_pred,pos_label='HA') 
同理，在计算下列指标时，都可以这样改哦！
 
from sklearn import metrics
metrics.precision_score(y_test, y_pred,pos_label=“自己数据定义的正标签”))
metrics.recall_score(y_test, y_pred,pos_label=“自己数据定义的正标签”))
					心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)……
					03-19
看到这个源代码，大家应该疑惑了吧，这是对的啊！！！！
但是报错了：
D:\PycharmProjects\python_project\venv\Scripts\python.exe D:/PycharmProjects/python_project/matplotlib/04绘制一元二次方程曲线.py
Traceback (most recent call last):
  File “D:/PycharmProjects/python_project/matplotlib/04绘制一元二次方程曲线.py”, line 11, in 
    plt.savefig(‘
				
之前一直想可视化模型的注意力热力图，找到了gradcam算法，具体是调用keras-vis的库。但是一直调试一直报错很苦恼，前前后后搞了一个月才成功跑通，于是今天准备写个博客记录一下心路历程，也方便后来者参考，不必再浪费太多时间在debug上
问题描述：
在用预训练模型VGG16做base_model并finetune时，报如下错误：
ValueError: Unable to determine penultimate Conv or Pooling layer for layer_idx: 2
但是如果是自己定义的模型就可以正常输出。
看起来应该是一个找不到对应layer的错误。于是很自然
				
通常不会报出这种错误，但还是有奇人能搞出来。这种错误通过断点调试就可以发现错误
在利用Python进行绘图时可能报出这种错误。
Traceback (most recent call last):
  File "E:\Anaconda3\envs\python27\Lib\lib-tk\Tkinter.py", line 1542, in __call__
    return self.func(*args)
  File "E:\Anaconda3\envs\python27\lib\site-packages\matplotlib\backends\_backend_tk.py", l
				
Axios Failed to execute ‘setRequestHeader’ on ‘XMLHttpRequest’: Value is not a valid ByteString
产生原因：请求的头信息中不能出现中文或UTF-8码的字符
传递了中文
后端对中文进行编码，前端显示再解码（decodeURIComponent）
				
导语就我们在使用机器学习对数据库进行训练的时候会用到很多指标对这种方法的结果进行评估，本文就学习一些常见的评估方法吧。指标说明嗯嗯现在我们开始说一般有哪些指标（其实通常是在医学的研究中），我们选取了一张我们导师给我的图（艾玛具体是从哪篇论文中找出来的我还真不清楚，暂且忽略这个吧，仿真我也不用它的结果，只是看看有哪些指标）看到了一堆指标吧，我们一个一个来说
  ·Accuracy：准确度，看这个名字应
				
想看结论直接拉到最下面。
我们知道，使用sklearn中的交叉验证cross_var_score来测试自己机器模型时，可以比单独train_test_split划分测试集，数据集测试更能显示模型的泛化性，使结果更具说服力。
我在测试的时候需要用到precision，recall，f1这三个指标，我就会使用
cross_val_score(clf,X_var0,Y.values.ravel(),cv=10,scoring="precision").mean()
cross_val_score(clf,X_va
				
最近在OpenCV-Python接口中使用cv2.findContours()函数来查找检测物体的轮廓。
根据网上的 教程，Python OpenCV的轮廓提取函数会返回两个值，第一个为轮廓的点集，第二个是各层轮廓的索引。但是实际调用时我的程序报错了，错误内容如下：too many values to unpack (expected 2)
其实是接受返回值不符，如果你仅仅使用一个变量a去接受返回值，调用len(a),你会发现长度为3，也就是说这个函数实际上返回了三个值
第一个，也是最坑爹的一个，它返回了你所处理的图像
第二个，正是我们要找的，轮廓的点集
第三个，各层轮廓的索引
使用方式如下：
				
1、ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory
找不到so库文件
用自己的账户运行包会报上面的错误，但是用root账户运行却没有问题
原因：root账户里面的LD_LIBRARY_PATH路径能找到这个so文件，但是自己的账户的LD_LIBRARY_PATH路...
					
RocCurveDisplay.from_estimator(cr_rf,cr_testX,cr_testY, pos_label='RandomForest', ax=None) RocCurveDisplay.from_estimator(rnd_search,cr_testX,cr_testY, pos_label='optimized', ax=None)ValueError: The class provided by 'pos_label' is unknown. Got RandomForest instead of one of {0, 1