摘要:交叉驗(yàn)證是經(jīng)常用到的驗(yàn)證方法使用可以很大程度上簡(jiǎn)化交叉驗(yàn)證的過(guò)程使用過(guò)程見下方這里以模型為例訓(xùn)練集標(biāo)簽交叉驗(yàn)證的倍數(shù)返回結(jié)果的類型,可以自定義,也有很多默認(rèn)選項(xiàng)例如就是返回準(zhǔn)確率都是可以的這就是簡(jiǎn)單的用法,只有比較復(fù)雜,其他都比較簡(jiǎn)單
交叉驗(yàn)證是經(jīng)常用到的驗(yàn)證方法
使用sklearn可以很大程度上簡(jiǎn)化交叉驗(yàn)證的過(guò)程
使用過(guò)程見下方:
from sklearn import cross_validation gbdt=GradientBoostingRegressor() score = cross_validation.cross_val_score(gbdt, train_set, label_set, cv=10, scoring="accuracy") 這里以gbdt模型為例 train_set:訓(xùn)練集 label_set:標(biāo)簽 cv: 交叉驗(yàn)證的倍數(shù) scoring: 返回結(jié)果的類型,可以自定義,也有很多默認(rèn)選項(xiàng) 例如‘a(chǎn)ccuracy’, 就是返回準(zhǔn)確率 [‘a(chǎn)ccuracy‘, ‘a(chǎn)djusted_rand_score‘, ‘a(chǎn)verage_precision‘, ‘f1‘, ‘f1_macro‘, ‘f1_micro‘, ‘f1_samples‘, ‘f1_weighted‘, ‘log_loss‘, ‘mean_absolute_error‘, ‘mean_squared_error‘, ‘median_absolute_error‘, ‘precision‘, ‘precision_macro‘, ‘precision_micro‘, ‘precision_samples‘, ‘precision_weighted‘, ‘r2‘, ‘recall‘, ‘recall_macro‘, ‘recall_micro‘, ‘recall_samples‘, ‘recall_weighted‘, ‘roc_auc‘] 都是可以的
這就是簡(jiǎn)單的用法,只有scoring比較復(fù)雜,其他都比較簡(jiǎn)單
文章版權(quán)歸作者所有,未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址:http://specialneedsforspecialkids.com/yun/37922.html
摘要:還提供了,將多項(xiàng)式特征數(shù)據(jù)歸一化和線性回歸組合在了一起,大大方便的編程的過(guò)程。在機(jī)器學(xué)習(xí)算法中,主要的挑戰(zhàn)來(lái)自方差,解決的方法主要有降低模型復(fù)雜度降維增加樣本數(shù)使用驗(yàn)證集模型正則化。 多項(xiàng)式回歸 多項(xiàng)式回歸使用線性回歸的基本思路 非線性曲線如圖: showImg(https://segmentfault.com/img/bVbkn4q?w=372&h=252); 假設(shè)曲線表達(dá)式為:$y...
摘要:機(jī)器學(xué)習(xí)工程師納米學(xué)位模型評(píng)價(jià)與驗(yàn)證項(xiàng)目預(yù)測(cè)波士頓房?jī)r(jià)歡迎來(lái)到預(yù)測(cè)波士頓房?jī)r(jià)項(xiàng)目在此文件中,我們已經(jīng)提供了一些示例代碼,但你還需要完善更多功能才能讓項(xiàng)目成功運(yùn)行。 機(jī)器學(xué)習(xí)工程師納米學(xué)位 模型評(píng)價(jià)與驗(yàn)證 項(xiàng)目 1: 預(yù)測(cè)波士頓房?jī)r(jià) 歡迎來(lái)到預(yù)測(cè)波士頓房?jī)r(jià)項(xiàng)目!在此文件中,我們已經(jīng)提供了一些示例代碼,但你還需要完善更多功能才能讓項(xiàng)目成功運(yùn)行。除非有明確要求,你無(wú)需修改任何已給出的代碼。習(xí)...
閱讀 540·2021-08-31 09:45
閱讀 1647·2021-08-11 11:19
閱讀 883·2019-08-30 15:55
閱讀 821·2019-08-30 10:52
閱讀 2845·2019-08-29 13:11
閱讀 2924·2019-08-23 17:08
閱讀 2833·2019-08-23 15:11
閱讀 3066·2019-08-23 14:33