scikit-learn的基本用法(七)——交叉验证3
2017-05-05 20:58
323 查看
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
结果
博客:noahsnail.com | CSDN | 简书
本文主要介绍scikit-learn中的交叉验证。
Demo
import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import load_digits from sklearn.cross_validation import train_test_split from sklearn.svm import SVC from sklearn.learning_curve import validation_curve from sklearn.model_selection import cross_val_score # 选取合适的参数gamma # 加载数据集 digits = load_digits() X = digits.data y = digits.target # 定义gamma参数 param_range = np.logspace(-6, -2.3, 5) # 用SVM进行学习并记录loss train_loss, test_loss = validation_curve(SVC(), X, y, param_name = 'gamma', param_range = param_range, cv = 10, scoring = 'mean_squared_error') # 训练误差均值 train_loss_mean = -np.mean(train_loss, axis = 1) # 测试误差均值 test_loss_mean = -np.mean(test_loss, axis = 1) # 绘制误差曲线 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('gamma') plt.ylabel('Loss') plt.legend(loc = 'best') plt.show()
结果
参考资料
https://www.youtube.com/user/MorvanZhou相关文章推荐
- scikit-learn的基本用法(六)——交叉验证2
- scikit-learn的基本用法(五)——交叉验证1
- scikit-learn交叉验证Cross Validation and Grid Search
- 【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
- 0.python:scikit-learn基本用法
- 【Scikit-Learn 中文文档】交叉验证 - 模型选择和评估 - 用户指南 | ApacheCN
- [转]0.python:scikit-learn基本用法
- Scikit-learn:模型选择Model selection之pipline和交叉验证
- 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 中文文档】交叉验证 - 模型选择和评估 - 用户指南 | ApacheCN
- 【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的基本用法(二)——数据集的使用
- 【Scikit-Learn 中文文档】交叉验证 - 模型选择和评估 - 用户指南 | ApacheCN
- scikit-learn学习3.1.交叉验证:评估估计器性能
- 【scikit-learn】05:交叉验证 Cross-validation
- scikit-learn的基本用法(四)——数据归一化
- scikit-learn 中文文档交叉验证-无监督学习|ApacheCN
- 【Scikit-Learn 中文文档】交叉验证 - 模型选择和评估 - 用户指南 | ApacheCN