scikit-learn的基本用法(五)——交叉验证1
来源:互联网 发布:央视揭网络卖淫产业链 编辑:程序博客网 时间:2024/05/17 22:44
文章作者:Tyan
博客:noahsnail.com | CSDN | 简书
本文主要介绍scikit-learn中的交叉验证。
- Demo 1
import numpy as npfrom sklearn import datasetsfrom sklearn.cross_validation import train_test_splitfrom sklearn.neighbors import KNeighborsClassifierfrom sklearn.cross_validation import cross_val_score # 加载iris数据集iris = datasets.load_iris()# 读取特征X = iris.data# 读取分类标签y = iris.target# 定义分类器knn = KNeighborsClassifier(n_neighbors = 5)# 进行交叉验证数据评估, 数据分为5部分, 每次用一部分作为测试集scores = cross_val_score(knn, X, y, cv = 5, scoring = 'accuracy')# 输出5次交叉验证的准确率print scores
- 结果
[ 0.96666667 1. 0.93333333 0.96666667 1. ]
- Demo 2
import numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasetsfrom sklearn.cross_validation import train_test_splitfrom sklearn.neighbors import KNeighborsClassifierfrom sklearn.cross_validation import cross_val_score # 确定knn中k的取值# 加载iris数据集iris = datasets.load_iris()# 读取特征X = iris.data# 读取分类标签y = iris.target# 定义knn中k的取值, 0-10k_range = range(1, 30)# 保存k对应的准确率k_scores = []# 计算每个k取值对应的准确率for k in k_range: # 获得knn分类器 knn = KNeighborsClassifier(n_neighbors = k) # 对数据进行交叉验证求准确率 scores = cross_val_score(knn, X, y, cv = 10, scoring = 'accuracy') # 保存交叉验证结果的准确率均值 k_scores.append(scores.mean())# 绘制k取不同值时的准确率变化图像plt.plot(k_range, k_scores)plt.xlabel('K Value in KNN')plt.ylabel('Cross-Validation Mean Accuracy')plt.show()
- 结果
0 0
- scikit-learn的基本用法(五)——交叉验证1
- scikit-learn的基本用法(六)——交叉验证2
- scikit-learn的基本用法(七)——交叉验证3
- scikit-learn的基本用法(四)——数据归一化
- Scikit-Learn实战之——交叉验证
- 基于scikit-learn工具的交叉检验 — cross_validation模型
- scikit-learn的基本用法(一)——KNN算法的使用
- scikit-learn的基本用法(二)——数据集的使用
- scikit-learn的基本用法(三)——model的介绍
- scikit-learn的基本用法(八)——模型保存与加载
- scikit-learn的基本用法——模型保存与加载
- 【scikit-learn】05:交叉验证 Cross-validation
- 【Scikit-Learn 中文文档】交叉验证
- 【Scikit-Learn 中文文档】交叉验证
- 【Scikit-Learn 中文文档】交叉验证
- 【Scikit-Learn 中文文档】交叉验证
- 【Scikit-Learn 中文文档】交叉验证
- 【Scikit-Learn 中文文档】交叉验证
- Spark写入Parquet,暴露JDBC引擎,实现准实时SQL查询
- executeUpdate()数据库更新字段卡主问题
- (二)进制、数据类型
- uoj 35 后缀数组first blood
- 自勉
- scikit-learn的基本用法(五)——交叉验证1
- js中的innerHTML,innerText,value的区别
- C代码中向logcat输出内容
- 海康IPC+NVR+路由器+ffmpeg+nginx实现网页/Android/IOS的HLS直播
- HTML、CSS知识点总结,浅显易懂。
- jquery
- 常见的反爬虫和应对方法
- 在react native开发中使用cmder为命令设置别名
- C语言中单向非循环链表的生成,遍历,排序,插入和删除