from sklearn.cross_validation import train_test_split

最新推荐文章于 2022-11-28 22:10:41 发布
最新推荐文章于 2022-11-28 22:10:41 发布
阅读量1.3k 收藏
点赞数 5
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/duanwen076/article/details/88733511
版权

使用from sklearn.cross_validation import train_test_split时出现错误：

将cross_validation换成model_selection

落西里
关注
  • 5
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
鸢尾花数据集-数据分析.pdf
12-24
鸢尾花数据集-数据分析 from sklearn import datasets import pandas as pd import matplotlib.pyplot as plt import numpy as np # 获取鸢尾花数据集 lris_df = datasets.load_iris() # 输⼊特征 lris_df.data # ⽬标特征 lris_df.target data_DF = pd.DataFrame(lris_df.data) target_DF = pd.DataFrame(lris_df.target) # dataframe按列拼接 join_DF = pd.concat([data_DF,target_DF],axis=1) # 修改列名 join_DF.columns=['sepal-length','sepal-width','petal-length','petal-width','class'] # 查看数据分布 x_axis = lris_df.data[:,0] y_axis = lris_df.data[:,2] plt.scatter(x_axis,y_axis,c=lris_df.target) plt.show() # 输⼊特征直⽅图分布 join_DF.iloc[:,0:4].hist() plt.show() # 箱线图 join_DF.iloc[:,0:4].plot(kind='box',subplots=True,layout=(2,2),sharex=False,sharey=False) plt.show() ft_DF = join_DF.iloc[:,0:4] # 相关系数 ft_DF.corr() x_val=ft_DF['petal-width'] y_val=ft_DF['petal-length'] plt.scatter(x_val,y_val) data_array = join_DF.values from sklearn import model_selection # 数据集划分 X = data_array[:,0:4] Y = data_array[:,4] validation_size = 0.2 seed = 6 X_train,X_validation,Y_train,Y_validation = model_selection.train_test_split(X,Y,test_size=validation_size,random_state=seed) # KNN分类 from sklearn.neighbors import KNeighborsClassifier knn = KNeighborsClassifier() knn.fit(X_train,Y_train) knn.fit(X_train,Y_train) print(knn.score(X_validation,Y_validation)) # K折交叉验证 from sklearn.model_selection import cross_val_score scores = cross_val_score(knn,X,Y,cv=5,scoring='accuracy') print(scores) from sklearn.model_selection import KFold dfold = model_selection.KFold(n_splits=10,random_state=7) from sklearn import model_selection import matplotlib.pyplot as plt X=lris_df.data Y=lris_df.target k_range = range(1,31) k_scores = [] for k in k_range: knn = KNeighborsClassifier(n_neighbors=k) #调整K值 scores = model_selection.cross_val_score(knn,X,Y,cv=10,scoring='accuracy') k_scores.append(scores.mean()) plt.plot(k_range,k_scores) plt.xlabel('value of K for KNN') plt.ylabel('Cross-Validated Accuracy') plt.show()
利用鸢尾花数据集画出P-R曲线 python
03-18
#coding=utf-8 """ #演示目的：利用鸢尾花数据集画出P-R曲线 """ print(__doc__) import matplotlib.pyplot as plt import numpy as np from sklearn import svm, datasets from sklearn.metrics import precision_recall_curve from sklearn.metrics import average_precision_score from sklearn.preprocessing import label_binarize from sklearn.multiclass import OneVsRestClassifier #from sklearn.cross_validation import train_test_split #适用于anaconda 3.6及以前版本 from sklearn.model_selection import train_test_split#适用于anaconda 3.7 #以iris数据为例，画出P-R曲线 iris = datasets.load_iris() X = iris.data y = iris.target # 标签二值化,将三个类转为001, 010, 100的格式.因为这是个多类分类问题，后面将要采用 #OneVsRestClassifier策略转为二类分类问题 y = label_binarize(y, classes=[0, 1, 2]) n_classes = y.shape[1] print (y)
python 划分数据集为训练集和测试集的方法
12-25
sklearn的cross_validation包中含有将数据集按照一定的比例，随机划分为训练集和测试集的函数train_test_split from sklearn.cross_validation import train_test_split #x为数据集的feature熟悉，y为label. x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.3) 得到的x_train,y_train（x_test,y_test）的index对应的是x,y中被抽取到的序号。 若train_test_spli
from sklearn.cross_validation import train_test_split，train_test_split下出现红色波浪线
little_yan的博客
11-02 1万+
大家可能会遇到这样的问题，明明from sklearn.cross_validation import train_test_split在一台电脑上运行没有任何问题，但是换了一台电脑就出现如下图所示的问题，显示没有该模块。图中为灰色的原因是我的代码中未调用该包，只是为了解决问题而举例。 如何将该问题解决，方法是将from sklearn.cross_validation import tra...
from sklearn.cross_validation import train_test_split发生报错
侯小啾技术博客
02-10 2358
from sklearn.cross_validation import train_test_split发生报错 from sklearn.cross_validation import train_test_split 该导入命令在使用时会发生报错，因为现在版本的sklearn库中已经没有了cross_validation文件夹，train_test_split等现在放在model_selection文件夹中的_split.py文件里。 导入命令应调整为： from sklearn.model_sel
from sklearn.cross_validation import train_test_split
c_j_k的博客
12-16 1万+
在进行cross-validation的时候导入sklearn.cross_validation import  train_test_split 发现出现了一个DeprecationWarning（弃用警告） warning message： DeprecationWarning: This module was deprecated in version 0.18 in favor o
sklearn中train_test_split的用法
象牙塔小明的博客
10-18 1911
train_test_split的用法 注意：旧版本的导入该模块是：from sklearn.cross_validation import train_test_split 新版本改成了：from sklearn.model_selection import train_test_split 作用： train_test_split函数用于将矩阵随机划分为训练子集和测试子集，并返回划分好的训练集测试集样本和训练集测试集标签。 格式： X_train, X_test, y_train, y_test =cr
sklearn中的from sklearn.cross_validation import train_test_split报错
weixin_43639383的博客
11-28 591
sklearn库更新后的模块model_selection
已解决（机器学习分割数据问题） ModuleNotFoundError: No module named ‘sklearn.cross_validation‘
努力让自己发光，对的人才能迎着光而来
06-28 1万+
成功解决（机器学习分割数据问题）：ModuleNotFoundError: No module named ‘sklearn.cross_validation‘
sklearn.cross_validation.train_test_split用法
Ann的博客
11-02 4476
from sklearn.cross_validation import train_test_split 在做机器学习项目时，有时候会需要自己手动把数据集分隔成训练集、交叉验证集（CV）或者交叉验证集和测试集，此时可以用到sklearn提供的分隔数据集的函数，以下举例说明： >>>mat = sio.loadmat('data.mat') >&a
ModuleNotFoundError: No module named ‘sklearn.cross_validation’
01-20
导入 sklearn.cross_validation 会报错，这是版本更新之后，命名改变的缘故。现在应该使用 sklearn.model_selection from sklearn.model_selection import train_test_split 就可以成功 # 1. Importing the libraries import numpy as np import pandas as pd # 2. Importing dataset dataset = pd.read_csv('Data.csv') # read csv file X = dataset.iloc[:
python实现K近邻回归,采用等权重和不等权重的方法
12-25
from sklearn.cross_validation import train_test_split import numpy as np; X = boston.data y = boston.target X_train, X_test, y_train, y_test = train_test_split(X, y, random_state = 33, test_size = ...
python中的train_test_split函数
yaj13346943285的博客
05-11 2万+
>>> import numpy as np >>> from sklearn.cross_validation import train_test_split #从sklearn.cross_validation模块导入train_test_split 函数，用于训练集和测试集的划分，cross_validation即交叉验证 >>> X, y = np.arange(10).reshape(
from sklearn.cross_validation import train_test_split出现No module named 'sklearn.cross_validation'的解
王樰沫
09-26 283
from sklearn.cross_validation import train_test_split出现No module named 'sklearn.cross_validation'的解 cross_validation这个包不在被使用，划分到model_selection这个包中，改为如下代码： from sklearn.model_selection import train_te...
sklearn中从sklearn.cross_validation 导入 train_test_split报错No module named ‘sklearn.cross_validation‘
Kearney
09-20 586
问题描述 从sklearn.cross_validation里选择导入train_test_split用于数据分割时，报错No module named ‘sklearn.cross_validation’ 解决办法 新版本的sklearn中导入train_test_split用于数据分割是这样的： from sklearn.model_selection import train_test_split 有的帖子说还要加上from sklearn.model_selection import KFold
Python sklearn.cross_validation.train_test_split及混淆矩阵实现
Missaya的博客
10-15 2545
sklearn.cross_validation.train_test_split随机划分训练集和测试集 一般形式： train_test_split是交叉验证中常用的函数，功能是从样本中随机的按比例选取train data和testdata，形式为： X_train,X_test, y_train, y_test = cross_validation.train_test_split(trai...
机器学习中 from sklearn.cross_validation import train_test_split出错
花藻の博客
03-18 1916
机器学习中 from sklearn.cross_validation import train_test_split出错 解决方法： from sklearn.model_selection import train_test_split 原因： cross_validation 里面的函数都放在 model_selection 里面了 ...
Python机器学习库sklearn几种分类算法建模可视化(实验)
热门推荐
公众号：瑞行AI
11-14 3万+
sklearn官网API查询http://scikit-learn.org/stable/modules/classes.htmlscikit-learn中自带了一些数据集，比如说最著名的Iris数据集。 数据集中第3列和第4列数据表示花瓣的长度和宽度，类别标签列已经转成了数字，比如0=Iris-Setosa, 1=Iris-Versicolor, 2=Iris-Virginica.
springboot(酒店管理系统)
最新发布
04-25
开发语言：Java JDK版本：JDK1.8（或11） 服务器：tomcat 数据库：mysql 5.6/5.7（或8.0） 数据库工具：Navicat 开发软件：idea 依赖管理包：Maven 代码+数据库保证完整可用，可提供远程调试并指导运行服务（额外付费）～ 如果对系统的中的某些部分感到不合适可提供修改服务，比如题目、界面、功能等等... 声明： 1.项目已经调试过，完美运行 2.需要远程帮忙部署项目，需要额外付费 3.本项目有演示视频，如果需要观看，请联系我 4.调试过程中可帮忙安装IDEA，eclipse，MySQL，JDK，Tomcat等软件 重点： 需要其他Java源码联系我，更多源码任你选，你想要的源码我都有！ 需要加v19306446185

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值