小白求助，在python中导入imbalanced-learn时，一直提示SyntaxError: invalid syntax，求助大神们。

Radarliu 2019-09-29 09:13:25

大神们好，我在python3.7.4里导入imbalanced-learn库的时候，一直提示我SyntaxError: invalid syntax。其他库导入都是正常的。我将python重装了还是出现这个问题。我无论是通过pip或wheel方式下载imbalanced-learn，都会出现这个问题。想请教大神们，有什么解决方法吗？
这是出错的地方。

其他库的信息

其他库在python中导入都是正常的。
求大神们指导啊

...全文

487 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

Radarliu 2019-09-29

打赏
举报

回复

我的系统是win64

python imbalanced-learn库实用例子（examples）代码，包括安装py文件，doc介绍，和examples源码。

python库。资源全名：imbalanced_databases-0.1-py3-none-any.whl

机器学习对不平衡数据学习处理方案，imbalanced-learn是一个python软件包，提供了一些数据集中常用的重新采样技术，显示出强烈的不平衡性。它与scikit-learn兼容，是scikit-learn-contrib 项目的一部分。

加拿大机动车碰撞（1999-2017）在现实世界的数据集中，类不平衡是一个普遍的问题。当一个类别（称为多数或否定类别）远远超过另一类别（称为少数或肯定类别）时，就会出现不平衡的数据集。当正类是关注类时，就会出现类不平衡问题。我们已经获得了具有固有的不平衡类问题的机动车碰撞的真实世界数据集。数据集信息：探索性数据分析项目目标了解加拿大公共道路上致命事故的原因，例如车辆型号，年龄段，道路状况等。建立机器学习预测模型以对致命和非致命碰撞进行分类。练习技巧在这个项目中，我们将学习以下技能数据清理探索性数据分析学习不平衡和成本敏感的方法欠采样综合少数采样技术（SMOTE）高级分类模型，例如随机森林分类器和XGBoost 精确调用（PR）曲线和PR曲线下的面积（AUPR）接收器工作特性（ROC）曲线和ROC下面积（AUROC）

信用欺诈与不平衡的数据集交易将Kaggle解决方案重新实现为mlops。此处实现的解决方案来自该为提供了探索和多种解决方案。 1软件需求/解决方案该存储库包含一个解决方案，用于应对信用欺诈问题，并专注于模型部署的组织和自动化。这满足了为预测请求部署在线和批处理api的需求。 2先决条件该软件不需要特定的硬件。该项目是基于，，，，，和。 2.1设置安装第2节中引用的要求，或确保这些要求在您的本地设置中有效。 Kaggle API要求您按照所述设置API令牌。 DVC将AWS S3远程服务器用作工件存储库，例如，仓库中所有必需的文件（模型，指标和图表）均可用。如果您想使用AWS S3远程服务器，则需要按所述设置AWS凭证。该存储库CICD正在使用我的个人AWS账户，并在Github Actions中使用了已注册的机密。 3构建 3.1本地我正在使用D

37,719

社区成员

34,239

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

试试用AI创作助手写篇文章吧

+ 用AI写文章