1:交叉验证
交叉验证是一种常用的机器学习模型评估方法,它通过将数据集分成训练集和测试集,多次重复训练和测试模型,以获得更稳健和准确的评估结果。常见的交叉验证方法包括K折交叉验证和留一交叉验证。交叉验证可以有效地评估模型的泛化能力,避免过拟合和欠拟合问题。
2:网格搜索
网格搜索是一种用于调优机器学习模型参数的方法。在网格搜索中,我们定义一个参数网格,列出我们想要调优的参数及其可能的取值。然后,网格搜索算法会尝试所有可能的参数组合,通过交叉验证来评估每个参数组合的性能,最终找到最佳的参数组合。
网格搜索是一种穷尽搜索方法,它可以帮助我们找到最优的模型参数,从而提高模型的性能和泛化能力。然而,由于需要尝试所有可能的参数组合,网格搜索的计算成本较高,特别是当参数空间较大时。为了提高效率,可以结合随机搜索等方法进行参数调优。
3:交叉验证网格搜索API
在scikit-learn库中,GridSearchCV类的API文档可以在官方网站上找到。以下是GridSearchCV类的一些主要参数和方法:
主要参数:
- estimator: 要优化的模型
- param_grid: 参数网格,包含要搜索的参数及其可能的取值
- cv: 交叉验证的折数
- scoring: 评估指标
- n_jobs: 并行运行的作业数
- verbose: 控制输出信息的详细程度
主要方法:
- fit(X, y): 运行交叉验证网格搜索
- predict(X): 使用最佳参数组合进行预测
- best_params_: 返回最佳参数组合
- best_score_: 返回最佳交叉验证分数
- 代码实现
- from sklearn.datasetsimport load_irisimport matplotlib.pyplotas pltimport pandas as pd
- from sklearn.model_selectionimport train_test_split
- from sklearn.preprocessingimport StandardScaler
- from sklearn.model_selectionimport train_test_split, GridSearchCV
- mydataset= load_iris()
- x_train, x_test, y_train,y_test= train_test_split(mydataset.data, mydataset.target,test_size=0.2,random_state=22)
- transfer = StandardScaler()x_train= transfer.fit_transform(x_train)x_test= transfer.transform(x_test)
- estimator = KNeighborsClassifier()
- param_grid= {'n_neighbors':[1,3,5,7]}
- estimator = GridSearchCV(estimator=estimator, param_grid=param_grid, cv=5)estimator.fit(x_train, y_train)
- myret=pd.DataFrame(estimator.cv_results_)myret.to_csv(path_or_buf='./mygridsearchcv.csv')
- myscore= estimator.score(x_test, y_test)
- print('myscore-->', myscore)
4:数字识别
import matplotlib.pyplotas plt
import pandas as pd
from sklearn.model_selectionimport train_test_split
from sklearn.neighborsimport KNeighborsClassifierimport joblibfrom collections import Counterdef show_digit(idx):
data = pd.read_csv(‘data/手写数字识别.csv’)if idx< 0 or idx> len(data) -1:return
x = data.iloc[:, 1:]y = data.iloc[:, 0]print(‘数据基本信息:’, x.shape)print(‘类别数据比例:’, Counter(y))print(‘当前数字的标签为:’,y[idx])
data_ = x.iloc[idx].values#将数据形状修改为28*28data_ = data_.reshape(28, 28)
plt.axis(‘off’)
plt.imshow(data_,cmap=‘gray’)
plt.show()
5:模型测试
def test_model():
img= plt.imread('data/demo.png')plt.imshow(img)
knn= joblib.load('model/knn.pth')
y_pred= knn.predict(img.reshape(1, -1))
print('您绘制的数字是:', y_pred)