這篇文章將為大家詳細(xì)講解有關(guān)sklearn中數(shù)據(jù)集拆分與訓(xùn)練的示例分析，小編覺(jué)得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

成都創(chuàng)新互聯(lián)公司一直通過(guò)網(wǎng)站建設(shè)和網(wǎng)站營(yíng)銷幫助企業(yè)獲得更多客戶資源。 以"深度挖掘，量身打造，注重實(shí)效"的一站式服務(wù)，以成都網(wǎng)站建設(shè)、成都做網(wǎng)站、移動(dòng)互聯(lián)產(chǎn)品、全網(wǎng)整合營(yíng)銷推廣服務(wù)為核心業(yè)務(wù)。10多年網(wǎng)站制作的經(jīng)驗(yàn)，使用新網(wǎng)站建設(shè)技術(shù)，全新開(kāi)發(fā)出的標(biāo)準(zhǔn)網(wǎng)站，不但價(jià)格便宜而且實(shí)用、靈活，特別適合中小公司網(wǎng)站制作。網(wǎng)站管理系統(tǒng)簡(jiǎn)單易用，維護(hù)方便，您可以完全操作網(wǎng)站資料，是中小公司快速網(wǎng)站建設(shè)的選擇。

主要演示大致的過(guò)程：

導(dǎo)入->拆分->訓(xùn)練->模型報(bào)告

以及幾個(gè)重要問(wèn)題：

①標(biāo)簽二值化

②網(wǎng)格搜索法調(diào)參

③k折交叉驗(yàn)證

④增加噪聲特征（之前涉及）

from sklearn import datasets
#從cross_validation導(dǎo)入會(huì)出現(xiàn)warning，說(shuō)已棄用
from sklearn.model_selection import train-test_split
from sklearn.grid_search import GridSearchCV
from sklearn.metrics import classification_report
from sklearn.svm import SVC
import sklearn.exceptioins
#導(dǎo)入鳶尾花數(shù)據(jù)集
iris = datasets.load_iris()
#將數(shù)據(jù)集拆分為訓(xùn)練集和測(cè)試集各一半
#其中X為數(shù)據(jù)特征（花萼、花瓣的高度寬度），為150*4的矩陣
#Y為鳶尾花種類（0, 1, 2三種），為150*1矩陣
#如果使用標(biāo)簽二值化， 將0, 1, 2表示為100 010 001
#使用y.label_binarize(y, classes[0, 1, 2]),變?yōu)?50*3矩陣
X_train, X_test, y_train, y_test = train_test_split(
iris.data, iris.target, test_size=0.5, random_state=0)
#set the parameters by cross_validation
turn_parameters = [{'kernel' : ['rbf', 'gamma' : [1e-3, 1e - 4, 'C':[1,10,100,1000]}, 
{'kernel':['linear'], 'C':[1,10,100,1000]}
]
#clf分離器
#使用網(wǎng)格搜索法調(diào)超參數(shù)
#訓(xùn)練集做5折交叉驗(yàn)證
clf = GridSearchCV(SVC(C=1), turned_parameters, cv=5, scoring='%s_weighted' % score)
#用前一半train數(shù)據(jù)再做5折交叉驗(yàn)證
#因?yàn)橹暗膖rain_test_split已經(jīng)分割為2份了
#fit-擬合
clf.fit(X_train, y_train)
#超參數(shù)
print(clf.best_params_)
#得分
for params, mean_score, scores in clf.gird_scores_:
 print("%.3f (+/-%.0.03f) for %r" % (mean_score, scores.std()*1.96,params))
#分類報(bào)告
y_true, y_pred = y_test, clf.predict(X_test)
print(classification_report(y_true, y_pred))

關(guān)于“sklearn中數(shù)據(jù)集拆分與訓(xùn)練的示例分析”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，使各位可以學(xué)到更多知識(shí)，如果覺(jué)得文章不錯(cuò)，請(qǐng)把它分享出去讓更多的人看到。

網(wǎng)站標(biāo)題：sklearn中數(shù)據(jù)集拆分與訓(xùn)練的示例分析-創(chuàng)新互聯(lián)
網(wǎng)頁(yè)鏈接：http://www.aaarwkj.com/article12/gcsgc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站設(shè)計(jì)、面包屑導(dǎo)航、微信小程序、動(dòng)態(tài)網(wǎng)站、手機(jī)網(wǎng)站建設(shè)、靜態(tài)網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)