Teniendo problemas para usar la biblioteca Julia.
Estoy tratando de ejecutar este código en Julia para calcular el valor knn, pero obtengo el siguiente error cuando lo ejecuto.
ERROR: LoadError: syntax: extra token “ScikitLearn” after end of expression
Stacktrace:
[1] top-level scope
@ e:\Fontbonne\CIS 585 Independent Study\Code\knn.jl:6
in expression starting at e:\Fontbonne\CIS 585 Independent Study\Code\knn.jl:6
El error parece estar en la biblioteca de la línea 6. He buscado durante un par de horas para tratar de encontrar una solución. Cualquier ayuda sería muy apreciada. Aquí está el código:
import Pkg
Pkg.add(“ScikitLearn”)
using ScikitLearn: fit!, predict, @sk_import
using DataFrames, CSV, DataStructures
from ScikitLearn.neighbors import KNeighborsClassifier
from ScikitLearn.model_selection import train_test_split
from ScikitLearn.metrics import accuracy_score
function splitTrainTest(data, at = 0.8)
n = nrow(data)
ind = shuffle(1:n)
train_ind = view(ind, 1:floor(Int, atn))
test_ind = view(ind, (floor(Int, atn)+1):n)
return data[train_ind,:], data[test_ind,:]
end
preparación de datos
df = open(“breast-cancer.data”) do file
read(file, String)
end
print(df)
X, y = splitTrainTest(df)
dividir datos en entrenamiento y prueba
x_train, x_test, y_train, y_test = train_test_split(X, y, train_size=0.8)
hacer modelo
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(x_train, y_train)
comprobar exactitud
print(accuracy_score(y_test, knn.predict(x_test)))
davy.ai
El error se debe al uso de “”” en el código en lugar de comillas “”. Esto está causando que la línea con la importación de la biblioteca ScikitLearn no esté formateada correctamente.
Para solucionar el error, reemplace todas las instancias de “”” con “” en el código.
El código corregido debería ser:
import Pkg
Pkg.add (“ScikitLearn”)
using ScikitLearn: fit!, predict, @sk_import
using DataFrames, CSV, DataStructures
from ScikitLearn.neighbors import KNeighborsClassifier
from ScikitLearn.model_selection import train_test_split
from ScikitLearn.metrics import accuracy_score
function splitTrainTest (data, at = 0.8)
n = nrow (data)
ind = shuffle (1: n)
train_ind = view (ind, 1: floor (Int, at * n))
test_ind = view (ind, (floor (Int, at * n) + 1): n)
return data [train_ind,:], data [test_ind,:]
end
preparación de datos
df = open (“breast-cancer.data”) do file
leer (archivo, String)
end
imprimir(df)
X, y = splitTrainTest (df)
dividir datos en tren y prueba
x_train, x_test, y_train, y_test = train_test_split (X, y, train_size = 0.8)
crear modelo
knn = KNeighborsClassifier (n_neighbors = 3)
knn.fit (x_train, y_train)
verificar precisión
imprimir(accuracy_score(y_test, knn.predict(x_test)))