Question

当我尝试使用python包装器为mljar api拟合模型时，我收到auto sum = [](auto n, auto m) { return ([](auto f, auto n, auto m) { int res = f(f, n, m); return res; })( [](auto f, auto n, auto m) -> int { if (n > m) return 0; else { int sum = n + f(f, n + 1, m); return sum; } }, n, m); }; auto result = sum(1, 10); //result == 55错误。

有谁知道如何解决这个问题？

代码：

Ups, [Errno 2] No such file or directory

出于某种原因，没有追溯。我刚收到错误： from sklearn import datasets iris = datasets.load_iris() X, y = iris.data, iris.target from sklearn.cross_validation import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.5) from mljar import Mljar models = Mljar( project='MLJAR api test', experiment='Iris', metric='logloss', validation_kfolds=5, # we will use 5-fold CV with stratify and shuffle validation_shuffle=True, validation_stratify=True, algorithms=['xgb', 'lgb', 'mlp'], # select Xgboost, LightGBM and Neural Network tuning_mode='Normal', # number of models to be checked for each algorithm single_algorithm_time_limit=5 ) models.fit(X_train, y_train)

Answer 1

我只是想通了。

这是C：\ Users \ username \ AppData \ Local \ Continuum \ anaconda2 \ Lib \ site-packages \ mljar \ client \ dataset.py

中的python api包装器代码的一部分

def add_new_dataset(self, data, y, title_prefix = 'dataset-'):
    [...]
    file_path = '/tmp/dataset-'+ str(uuid.uuid4())[:8]+'.csv'
    [...]
    data.to_csv(file_path, index=False)

它尝试在/ tmp创建数据集文件，但该目录不存在。在我看来，解决此问题的最佳方法是在当前驱动器的根目录下创建一个tmp文件夹。就我而言，这是共享网络驱动器，其中没有/ tmp文件夹。

我还发现了代码中缺少回溯的部分： C：\ Users \用户名\应用程序数据\本地\连续\ anaconda2 \ LIB \站点包\ mljar \ mljar.py

except Exception as e:
    print 'Ups, %s' % str(e)

Mljar python包装器api“没有这样的文件或目录”错误

1 个答案: