scikit-learn一般实例之一:绘制交叉验证预测
本实例展示怎样使用cross_val_predict
来可视化预测错误:
# coding:utf-8from pylab import *
from sklearn import datasets
from sklearn.model_selection import cross_val_predict
from sklearn import linear_modellr = linear_model.LinearRegression()
boston = datasets.load_boston()
y = boston.target
#cross_val_predict返回和`y`相同尺寸的数组
#每一个entry是通过交叉验证的相应预测
predicted = cross_val_predict(lr,boston.data,y,cv=10)#设置中文字体
myfont = matplotlib.font_manager.FontProperties(fname="Microsoft-Yahei-UI-Light.ttc")
mpl.rcParams['axes.unicode_minus'] = False
#绘制
plt.scatter(y,predicted)
plt.plot([y.min(),y.max()],[y.min(),y.max()],"k--",lw=4)
plt.title(u'绘制交叉验证预测',fontproperties=myfont)
plt.xlabel(u'测度',fontproperties=myfont)
plt.ylabel(u'预测',fontproperties=myfont)
#显示绘制结果
plt.show()
scikit-learn一般实例之一:绘制交叉验证预测相关推荐
- k折交叉验证优缺点_k折交叉验证(R语言)
"机器学习中需要把数据分为训练集和测试集,因此如何划分训练集和测试集就成为影响模型效果的重要因素.本文介绍一种常用的划分最优训练集和测试集的方法--k折交叉验证." k折交叉验证 ...
- 机器学习中的交叉验证
总第100篇 本篇讲讲机器学习中的交叉验证问题,并利用sklearn实现. 前言 在说交叉验证以前,我们先想一下我们在搭建模型时的关于数据切分的常规做法[直接利用train_test_split把所有 ...
- 交叉验证(Cross-Validation)
交叉验证(Cross-Validation) 目录 交叉验证(Cross-Validation) 一.基本方法 1.保留交叉验证 hand-out cross validation 2.k折交叉验证 ...
- 交叉验证分析每一折(fold of Kfold)验证数据的评估指标并绘制综合ROC曲线
交叉验证分析每一折(fold of Kfold)验证数据的评估指标并绘制综合ROC曲线 Receiver Operating Characteristic (ROC) with cross valid ...
- 通过交叉验证(Cross Validation)KFold绘制ROC曲线并选出最优模型进行模型评估、测试、包含分类指标、校准曲线、混淆矩阵等
通过交叉验证(Cross Validation,CV)KFold绘制ROC曲线并选出最优模型进行模型评估.测试.包含分类指标.校准曲线.混淆矩阵等 Cross Validation cross val ...
- svm 交叉验证 python_【python机器学习笔记】SVM实例:有毒蘑菇预测
假如我手上有一个未知的蘑菇,我知道它的一系列特征(伞盖形状.发现地点.颜色.气味等等),但是仅仅依靠个人的经验判断能不能吃难免会翻车,这就要用到更多的经验.大数据就很好地解决了这个个人经验缺乏的问题: ...
- 统计机器学习 作业一 采用交叉验证、留出法、自助法划分数据集,绘制PR图
要求:随机生成两组数据,每组50个数,其中一组服从正态分布,另一组服从N(1,1) .编写一个code: Input:上面产生的100个数,类别数:2 Output:1.0标签序列(每个标签对应每个数 ...
- 周志华《机器学习》课后习题3.410折交叉验证法和留一法UCI实例比较
3.4选择两个UCI数据集,比较10折交叉验证法和留一法所估计出的对率回归的错误率. 利用SciKitLearn做十折交叉验证和留一法筛选 本文选用UCI提供的鸢尾花数据集和红酒产地数据集. Iris ...
- 机器学习工程实例 垃圾邮件过滤系统 数据预处理 训练模型 交叉验证 精准率召回率计算 步骤详细解析
本博客所有内容均整理自<Hands-On Machine Learning with Scikit-Learn & TensorFlow>一书及其GitHub源码. 看<Ha ...
最新文章
- 十一、H.264的Slice Header解析
- 使用Spring Security 5进行密码编码器迁移
- 牛客网C++面经 容器和算法
- 基于java的银行ATM系统设计(含源文件)
- NSArray 所有基础点示例
- Fancybox—Fancybox的API和配置选项说明
- PHP生成TXT文件并自动下载
- 【iOS开发】实现App内替换图标
- 短消息代理(cmpp20 smproxy)要怎么创建java项目_基于华为smproxy开发的cmpp3
- 生活中的十大心理学现象
- FTP协议 与 FXP协议区别
- asp连接excel数据库
- Python实现聊天机器人
- 电容的工作原理、分类选择与应用
- train_test_split(),随机划分训练集和测试集的函数
- jq实现点击容器实现2张图片切换(改变src路径)
- 强大的云平台初体验,一款不可错过的云开发
- 【最终总结版】linux内核编译过程
- java项目-第137期jsp+servlet的周公算命预测系统-java毕业设计
- ARM开发软件及实用工具介绍