绘制学习曲线，以确定模型的学习状况

from sklearn.svm import LinearSVC
from sklearn.learning_curve import learning_curve# 绘制学习曲线，以确定模型的状况
def plot_learning_curve(estimator, title, X, y,ylim=None,          cv=None,train_sizes=np.linspace(.1, 1.0, 5)):'''画出data在某模型上的learning curve.参数解释----------estimator : 你用的分类器。title : 表格的标题。X : 输入的feature，numpy类型y : 输入的target vectorylim : tuple格式的(ymin, ymax), 设定图像中纵坐标的最低点和最高点cv : 做cross-validation的时候，数据分成的份数，其中一份作为cv集，其余n-1份作为training(默认为3份)'''plt.figure()train_sizes, train_scores, test_scores = learning_curve(estimator, X, y, cv=5, n_jobs=1, train_sizes=train_sizes)train_scores_mean = np.mean(train_scores, axis=1)train_scores_std = np.std(train_scores, axis=1)test_scores_mean = np.mean(test_scores, axis=1)test_scores_std = np.std(test_scores, axis=1)plt.fill_between(train_sizes, train_scores_mean - train_scores_std,train_scores_mean + train_scores_std, alpha=0.1,color="r")plt.fill_between(train_sizes, test_scores_mean - test_scores_std,test_scores_mean + test_scores_std, alpha=0.1, color="g")plt.plot(train_sizes, train_scores_mean, 'o-', color="r",label="Training score")plt.plot(train_sizes, test_scores_mean, 'o-', color="g",label="Cross-validation score")plt.xlabel("Training examples")plt.ylabel("Score")plt.legend(loc="best")plt.grid("on") if ylim:plt.ylim(ylim)plt.title(title)plt.show()# 少样本的情况情况下绘出学习曲线
plot_learning_curve(LinearSVC(C=10.0), "LinearSVC(C=10.0)",X, y, ylim=(0.8, 1.01),train_sizes=np.linspace(.05, 0.2, 5))

绘制学习曲线，以确定模型的学习状况相关推荐

绘制学习曲线——plot_learning_curve
学习曲线:一种用来判断训练模型的一种方法,通过观察绘制出来的学习曲线图,我们可以比较直观的了解到我们的模型处于一个什么样的状态,如:过拟合(overfitting)或欠拟合(underfitting) ...
32 绘制学习曲线 ( Plotting learning curves)
假设现在只有100个样本的小训练集,使用随机挑选的分别包含10个,20个,30个,-, 100个样本的数据子集,样本子集每次增加10个样本,使用这10个样本子集去绘制学习曲线,你可能会发现曲线含有一些 ...
数据挖掘算法之时间序列算法（平稳时间序列模型，AR(p),MA(q),（平稳时间序列模型，AR(p),MA(q),ARMA(p,q)模型和非平稳时间序列模型，ARIMA(p,d,q)模型）学习笔记梳理
时间序列算法一.时间序列的预处理二.平稳时间序列模型 (一).自回归模型AR( p ) (二).移动平均模型MA(q) (三).自回归移动平均模型ARMA(p,q) 三.非平稳时间序列模型四.确 ...
《计算机视觉：模型、学习和推理》自学笔记（一）-绪论
计算机视觉模型学习和原理绪论什么是计算机视觉计算机视觉和机器视觉绪论内容继续讲解计算机视觉简史所自学书籍的结构总结计算机视觉:模型.学习和原理本博文乃自学为主,转载需要声明,并且我也 ...
使用学习曲线诊断机器学习模型性能
学习曲线是模型学习性能随经验或时间变化的曲线. 学习曲线是机器学习中广泛使用的诊断工具,用于从训练数据集中增量学习算法.该模型可以在训练数据集和每次训练更新后的验证数据集上进行评估,并可以创建测试性能 ...
脑电EEG代码开源分享【6. 分类模型-深度学习篇】
往期文章希望了解更多的道友点这里 0. 分享[脑机接口 + 人工智能]的学习之路 1.1 . 脑电EEG代码开源分享 [1.前置准备-静息态篇] 1.2 . 脑电EEG代码开源分享 [1.前置准备- ...
决策树模型与学习《一》
决策树总结<一>.md 决策树模型与学习 1. 定义一般的,一棵决策树包含一个根结点,若干个内部结点和若干个叶结点:叶结点对应于决策结果,其他每个结点则对应于一个属性测试:每个结点包含的 ...
树模型集成学习(Tree Embedding)
树模型集成学习集成学习主要有两个思想,分别是bagging和boosting.树模型的集成模型都是使用树作为基模型,最常用的cart树,常见的集成模型有RandomForest.GBDT.Xgboo ...
keras构建前馈神经网络（feedforward neural network）进行多分类模型训练学习
keras构建前馈神经网络(feedforward neural network)进行多分类模型训练学习前馈神经网络(feedforward neural network)是一种最简单的神经网络,各 ...

绘制学习曲线，以确定模型的学习状况

绘制学习曲线，以确定模型的学习状况相关推荐

最新文章

热门文章