scikit-learn 使用交叉验证训练分类器
html" target="_blank">示例
使用虹膜数据集：
import sklearn.datasets iris_dataset = sklearn.datasets.load_iris() X, y = iris_dataset['data'], iris_dataset['target']
数据分为训练集和测试集。要做到这一点，我们使用train_test_split效用函数来分割双方X和y（数据和目标矢量）用随机选择train_size=0.75（训练集包含数据的75％）。
训练数据集被输入到k最近邻分类器中。fit分类器的方法将使模型适合数据。
fromsklearn.cross_validationimport train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.75) fromsklearn.neighborsimport KNeighborsClassifier clf = KNeighborsClassifier(n_neighbors=3) clf.fit(X_train, y_train)
最终预测测试样品的质量：
clf.score(X_test, y_test) # Output: 0.94736842105263153
通过使用一对训练集和测试集，由于数据拆分的任意选择，我们可能会得到分类器质量的偏差估计。通过使用交叉验证，我们可以将分类器拟合到数据的不同训练/测试子集中，并对所有准确性结果进行平均。该函数cross_val_score使用交叉验证使分类器适合输入数据。它可以将要使用的不同分割数（折叠数）作为输入（在下面的示例中为5）。
fromsklearn.cross_validationimport cross_val_score scores = cross_val_score(clf, X, y, cv=5) print(scores) # Output: array([ 0.96666667, 0.96666667, 0.93333333, 0.96666667, 1. ]) print "Accuracy: %0.2f (+/- %0.2f)" % (scores.mean(), scores.std() / 2) # Output: Accuracy: 0.97 (+/- 0.03)
-
问题内容： 我需要将数据分为训练集（75％）和测试集（25％）。我目前使用以下代码进行操作： 但是，我想对训练数据集进行分层。我怎么做？我一直在研究该方法，但不允许我指定75％/ 25％的划分，而是仅对训练数据集进行分层。 问题答案： [更新为0.17] 请参阅以下文档： [/更新为0.17] 有一个拉要求在这里。但是，您可以根据需要简单地进行 训练和测试索引的使用。
-
问题内容： 当我将以下代码与大小为（952,144）的数据矩阵和大小为（952）的输出向量一起使用时，度量标准将返回负值，这是意外的。你有什么主意吗？ 则所有值均为负。 问题答案： 试图解决这一问题，因此请提供David和larsmans在评论部分雄辩地描述的答案： 是的，这应该发生。实际的MSE只是您获得的号码的肯定版本。 统一评分API始终使得分最大化，因此为了使统一评分API正常工作，否定了
-
问题内容： 是否可以在没有交叉验证的情况下使用GridSearchCV？我正在尝试通过网格搜索优化KMeans聚类中的聚类数量，因此我不需要或想要交叉验证。 该文档也使我感到困惑，因为在fit（）方法下，它有一个用于非监督学习的选项（例如，将None用于非监督学习）。但是，如果您想进行无监督学习，则需要在没有交叉验证的情况下进行学习，而且似乎没有摆脱交叉验证的选择。 问题答案： 经过大量搜索，我能
-
1）在我读过的大多数机器学习入门页面中，似乎都在说你需要一个训练集、一个验证集和一个测试集。根据我的理解，交叉验证允许你结合训练和验证集来训练模型，然后你应该在测试集上测试它以得到一个分数。然而，我在论文中看到，在很多情况下，您可以在整个数据集上交叉验证，然后报告CV得分作为准确性。我知道在一个理想的世界里，你会想要在不同的数据上进行测试，但如果这是合法的，我想要在我的整个数据集上交叉验证并报告那
-
*种子为重复性设置为123，我运行的是3.63 R。
-
K-means k是一个超参数，表示要聚类成多少类。K-means计算方法是重复移动类的重心，以实现成本函数最小化，成本函数为： 其中μk是第k类的重心位置 试验 构造一些样本用户试验，如下： # coding:utf-8 import sys reload(sys) sys.setdefaultencoding( "utf-8" ) import matplotlib.pyplot as pl