sklearn最后一篇-------解决overfiting
来源:互联网 发布:java软件开发流程 编辑:程序博客网 时间:2024/05/16 09:23
from sklearn.learning_curve import validation_curve#可视化整个学习的过程,我们怎么降低这个误差
from sklearn.datasets import load_digits#数字的数据
from sklearn.svm import SVC
import matplotlib as plt
import numpy as np
digits=load_digits()
X=digits.data
y=digits.target
param_range=np.logspace(-6,-2.3,5)
train_loss,test_loss=validation_curve(
SVC(),X,y,param_name='gammer',param_range=param_range,cv=10,scoring='mean_squared_error',
)#cv=10就是上一节说的交叉验证
train_loss_mean=-np.mean(train_loss,axis=1)
test_loss_mean=-np.mean(test_loss,ais=1)
plt.plot(param_range,train_loss_mean,'o-',color="r",label="Training")
plt.plot(param_range,test_loss_mean,'o-',color="g",label="Cross_validation")
plt.xlabel("gammar")
plt.ylabel("loss")
plt.legend(loc="best")
plt.show
只一个主要是说validation_curve这个函数;他可以改变model里面的参数比如给变SVC里面的
gamma我们先定义一个param_range=np.logspace(-6,-2.3,5)范围,在validation_curve里
定义一个参数的名字param_name='gammer',在定义他的param_range=param_range
结果是:
- sklearn最后一篇-------解决overfiting
- 最后一篇
- 最后一篇,最后的自信
- 最后一篇班级日志
- ESOE之最后一篇
- 最后一篇blog
- 在CSDN最后一篇
- 2016最后一篇
- 三月---最后一篇 “百年孤独”
- 最后一篇文章
- 最后一篇文章
- 最后一篇的CSDN!
- 2006年最后一篇blog
- 今年的最后一篇日志
- 2012的最后一篇博客
- 博客迁移公告[最后一篇]
- VIM配置之最后一篇
- 本站的最后一篇博客
- 前端性能优化--图片处理(Css Sprites 与 base64)
- 动态规划
- HDU5543(97/600)
- Scrapy 结构图解析
- css样式解密之float
- sklearn最后一篇-------解决overfiting
- 第七届河南理工大学程序设计大赛(正式赛)G题
- 【LEDE】树莓派上玩LEDE终极指南-3-更改时区
- Qt5开发学习之图形与SVG图像(八)
- mysql中表的导入导出
- 使用MOB免费短信验证码进行登录(注册)
- 51nod 1126 求递推序列的第N项(斐波那契)
- HDU
- 概率