scikit-learn一般实例之一:绘制交叉验证预测
2016-10-04 15:19
381 查看
本实例展示怎样使用
cross_val_predict来可视化预测错误:
# coding:utf-8 from pylab import * from sklearn import datasets from sklearn.model_selection import cross_val_predict from sklearn import linear_model lr = 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()
相关文章推荐
- [占位-未完成]scikit-learn一般实例之十一:异构数据源的特征联合
- 【scikit-learn】交叉验证及其用于参数选择、模型选择、特征选择的例子
- scikit-learn交叉验证Cross Validation and Grid Search
- scikit-learn一般实例之三:连接多个特征提取方法
- scikit-learn一般实例之一:保序回归(Isotonic Regression)
- [占位-未完成]scikit-learn一般实例之十二:用于RBF核的显式特征映射逼近
- scikit-learn一般实例之七:使用多输出评估器进行人脸完成
- 【Scikit-Learn 中文文档】交叉验证 - 模型选择和评估 - 用户指南 | ApacheCN
- scikit-learn中交叉验证及其用于参数选择、模型选择、特征选择的例子
- scikit-learn一般实例之四:使用管道和GridSearchCV选择降维
- 【scikit-learn】交叉验证及其用于参数选择、模型选择、特征选择的例子
- Scikit-learn:模型选择Model selection之pipline和交叉验证
- scikit-learn的基本用法(五)——交叉验证1
- scikit-learn 交叉验证绘图及原理实践
- [未完成]scikit-learn一般实例之九:用于随机投影嵌入的Johnson–Lindenstrauss lemma边界
- 【scikit-learn】05:交叉验证 Cross-validation
- scikit-learn的基本用法(七)——交叉验证3
- scikit-learn 交叉验证绘图及原理实践 分类:机器学习Sklearn
- 【Scikit-Learn 中文文档】交叉验证 - 模型选择和评估 - 用户指南 | ApacheCN
- scikit-learn一般实例之六:构建评估器之前进行缺失值填充