一、交叉验证
定义:是一种数据集的分割方法,将训练集划分为n份,拿一份做验证集(测试集)、其他n-1份做训练集。
交叉验证法原理:将数据集划分为cv=4份
1.第一次,把第一份数据做验证集,其他数据做训练
2.第二次:把第二份数据做验证集,其他数据做训练
3....以此类推,总共训练4次,评估4次
4.使用训练集+验证集多次评估模型,取平均值做交叉验证为模型得分
5.若k=5模型得分最好,再使用全部训练集(训练集+验证集)对k=5模型再训练一边,再使用测试集对k=5模型做评估
交叉验证法,是划分数据集的一种方法,目的就是为了得到更加准确可信的模型评分。
二、网格搜索
定义:是一种模型参数调优的方法。它通过穷举所有可能的参数组合,然后按照预定义的评价指标对模型进行评估,从而找到最佳参数组合。
为什么需要网格搜索?
•模型有很多超参数,其能力也存在很大的差异。需要手动产生很多超参数组合,来训练模型
•每组超参数都采用交叉验证评估,最后选出最优参数组合建立模型。
网格搜索+交叉验证的强力组合(模型选择和调优)
•交叉验证解决模型的数据输入问题(数据集划分)得到更可靠的模型
•网格搜索解决超参数的组合
•两个组合再一起形成一个模型参数调优的解决方案
三、交叉验证网格搜索
1.利用KNN算法对鸢尾花分类–交叉验证网格搜索
from sklearn.datasets import load_iris
iris_data = load_iris()
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test = train_test_split(iris_data.data,iris_data.target,train_size=0.3,random_state=22)
from sklearn.preprocessing import StandardScaler
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)
from sklearn.neighbors import KNeighborsClassifier
estimator = KNeighborsClassifier()
from sklearn.model_selection import GridSearchCV
estimator = GridSearchCV(estimator=estimator,param_grid={'n_neighbors':[1,3,5,7]},cv = 5)
estimator.fit(x_train,y_train)
print(f'estimator.best_params_:{estimator.best_params_}')
import pandas as pd
cvresults = pd.DataFrame(estimator.cv_results_)
cvresults.to_csv(path_or_buf='./cvresult.csv')
score = estimator.score(x_test,y_test)
print(f'score-->{score}')
输出:
estimator.best_params_:{'n_neighbors': 3}
score-->0.9523809523809523
2.利用KNN算法实现手写数字识别
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
import joblib
from collections import Counter
def show_digit(a):
data = pd.read_csv('data/手写数字识别.csv')
if a >= 0 and a <= len(data) - 1:
pass
else:
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[a])
# 显示指定的图片
# data修改为ndarray类型
data_ = x.iloc[a].values
# 将数据形状修改为28*28
data_ = data_.reshape(28, 28)
# 关闭坐标轴标签
plt.axis('off')
# 显示图像
plt.imshow(data_, cmap='gary')
plt.show()