文章
3111
标签
111
分类
73
首页
时间轴
标签
分类
关于
友链
Estom的博客
SUMMARY
返回首页
搜索
首页
时间轴
标签
分类
关于
友链
SUMMARY
发表于
2021-03-20
|
更新于
2021-03-20
|
Sklearn
|
总字数:
54
|
阅读时长:
1分钟
|
浏览量:
Scikit-learn 秘籍
第一章 模型预处理
第二章 处理线性模型
第三章 使用距离向量构建模型
第四章 使用 scikit-learn 对数据分类
第五章 模型后处理
文章作者:
Estom
文章链接:
https://estom.github.com/2021/03/19/Sklearn/sklearn-cookbook-zh/SUMMARY/
版权声明:
本博客所有文章除特别声明外，均采用
CC BY-NC-SA 4.0
许可协议。转载请注明来源
Estom的博客
！
上一篇
5 模型后处理
第五章 模型后处理 作者：Trent Hauck 译者：飞龙 协议：CC BY-NC-SA 4.0 5.1 K-fold 交叉验证这个秘籍中，我们会创建交叉验证，它可能是最重要的模型后处理验证练习。我们会在这个秘籍中讨论 k-fold 交叉验证。有几种交叉验证的种类，每个都有不同的随机化模式。K-fold 可能是一种最熟知的随机化模式。 准备我们会创建一些数据集，之后在不同的在不同的折叠上面训练分类器。值得注意的是，如果你可以保留一部分数据，那是最好的。例如，我们拥有N = 1000的数据集，如果我们保留 200 个数据点，之后使用其他 800 个数据点之间的交叉验证，来判断最佳参数。 工作原理首先，我们会创建一些伪造数据，之后测试参数，最后，我们会看看结果数据集的大小。 1234>>> N = 1000 >>> holdout = 200>>> from sklearn.datasets import make_regression >>> X, y = make_regression(1000...
下一篇
4 使用 scikit-learn 对数据分类
第四章 使用 scikit-learn 对数据分类 作者：Trent Hauck 译者：飞龙 协议：CC BY-NC-SA 4.0 分类在大量语境下都非常重要。例如，如果我们打算自动化一些决策过程，我们可以利用分类。在我们需要研究诈骗的情况下，有大量的事务，人去检查它们是不实际的。所以，我们可以使用分类都自动化这种决策。 4.1 使用决策树实现基本的分类这个秘籍中，我们使用决策树执行基本的分类。它们是非常不错的模型，因为它们很易于理解，并且一旦训练完成，评估就很容易。通常可以使用 SQL 语句，这意味着结果可以由许多人使用。 准备这个秘籍中，我们会看一看决策树。我喜欢将决策树看做基类，大量的模型从中派生。它是个非常简单的想法，但是适用于大量的情况。 首先，让我们获取一些分类数据，我们可以使用它来练习： 123>>> from sklearn import datasets >>> X, y = datasets.make_classification(n_samples=1000, n_features=3, ...
Estom
也许那年在绿色的麦浪中奔跑的时候，就注定了我此生的繁华与悲叹
文章
3111
标签
111
分类
73
关注
公告
欢迎参观Estom的小屋
最新文章
自引用泛型概述
2025-12-21
06 JUC并发容器
2025-12-18
02 集合底层结构
2025-12-18
30 问题排查和性能优化指南
2025-09-14
面试说明
2025-09-03
搜索
数据加载中
