train_test_split
功能是从样本中随机的按比例选取train data和test data。
**X_train, X_test, y_train, y_test =
cross_validation.train_test_split(train_data,train_target, test_size=0.4, random_state=0)**
test_size是样本占比。如果是整数的话就是样本的数量。random_state是随机数的种子。
交叉验证
from sklearn.cross_validation import cross_val_score
metric = cross_val_score(clf,X,y,cv=5,scoring=”).mean()
clf是分类器
SVR(C,epsion,kernel,gamma)
C为浮点数,可选择,默认为0,为惩罚错误
epsion表示在多少距离内没有惩罚函数
kernel核模型
gamma自动(确定参数为0.0625)
SVR的具体参数原理:http://www.docin.com/p-194220944.html
结构风险最小化
矢量化
vectorize
train = train.T.to_dict().values()
vec = DictVectorizer()
train = vec.fit_transform(train)