sklearn做交叉验证

交叉验证是经常用到的验证方法
使用sklearn可以很大程度上简化交叉验证的过程
使用过程见下方：

from sklearn import cross_validation
gbdt=GradientBoostingRegressor()
score = cross_validation.cross_val_score(gbdt, train_set, label_set, cv=10, scoring='accuracy')这里以gbdt模型为例
train_set：训练集
label_set：标签
cv: 交叉验证的倍数
scoring: 返回结果的类型，可以自定义，也有很多默认选项例如‘accuracy’, 就是返回准确率[‘accuracy‘, ‘adjusted_rand_score‘, ‘average_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

这就是简单的用法，只有scoring比较复杂，其他都比较简单

sklearn做交叉验证相关推荐

【Python学习】 - sklearn学习 - 交叉验证中的常用函数
首先调入库:from sklearn.model_selection import train_test_split train_test_split是交叉验证中常用的函数,功能是从样本中随机的按比例 ...
python中sklearn实现交叉验证
质量要比数量重要,就像一个本垒打胜过两个双打.--<蚂蚁金服> 1.概述在实验数据分析中,有些算法需要用现有的数据构建模型,如卷积神经网络(CNN),这类算法称为监督学习(Supervi ...
python lasso做交叉验证法_标准方程法_岭回归_LASSO算法_弹性网
程序所用文件:https://files.cnblogs.com/files/henuliulei/%E5%9B%9E%E5%BD%92%E5%88%86%E7%B1%BB%E6%95%B0%E6%8 ...
分类器的sklearn交叉验证之我的理解
sklearn的交叉验证是机器学习中重要的一步,主要用来评估模型的误差,但是其中理解起来还是有点困难,尤其是cv的设置,如果过大就会报错. 网上有关于交叉验证的基础知识点,我就不介绍了,我主要从实践中 ...
在Hyperopt框架下使用XGboost与交叉验证
Hyperopttutorials:Xgboost+CVHyperopt \ tutorials: Xgboost + CVHyperopt tutorials:Xgboost+CV 前言 Xgboo ...
五折交叉验证/K折交叉验证， python代码到底怎么写
五折交叉验证: 把数据平均分成5等份,每次实验拿一份做测试,其余用做训练.实验5次求平均值.如上图,第一次实验拿第一份做测试集,其余作为训练集.第二次实验拿第二份做测试集,其余做训练集.依此类推~ 但 ...
xgb.cv进行交叉验证
模型评估的方法留出法留出法是将原数据集分成互斥的两组,一组作为训练集,另一组作为测试集交叉验证发交叉验证(cross-validation 简称cv)将数据集分为k等份,对于每一份数据集,其中 ...
通过交叉验证寻找K近邻算法的最优K值
问题引出之前我们使用K近邻算法尝试寻找用户年龄与预估薪资之间的某种相关性,以及他们是否有购买SUV的决定.主要代码如下: from sklearn.neighbors import KNeighbo ...
ESL第七章模型评估及选择【期望】测试误差、模型偏差估计偏差、【平均】乐观、AIC、参数有效数、BIC、最小描述长度、VC/结构风险最小化、一标准误差准则/广义交叉验证、【留一】自助/.632估计
目录 7.2 偏差.方差和模型复杂度 7.3 偏差-方差分解 7.3.1 例子:方差-偏差权衡 7.4 训练误差率的"乐观optimism" 7.5 样本内预测误差的估计.Cp和A ...

sklearn做交叉验证

sklearn做交叉验证相关推荐

最新文章

热门文章