利用sklearn自带模块绘制学习曲线

于 2023-05-12 11:29:12 发布
阅读量194 收藏 1
点赞数
文章标签： sklearn 机器学习 python
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/kaqqaqq/article/details/130638791
版权
学习曲线用于分析模型在不同数据量下的表现。通过`learning_curve`函数，我们可以用不同数量的数据训练模型，获取训练集和测试集的分数。该函数接受分类器实例、特征数据`X`、标签数据`y`以及交叉验证方法`cv`（如`ShuffleSplit`），并可指定`n_jobs`来控制CPU的使用。绘制学习曲线有助于识别过拟合或欠拟合情况。
摘要由CSDN通过智能技术生成

learning_curve绘制

  • 原理
    • 利用不同数目的数据对模型进行训练，返回不同数目的数据训练得到模型下的训练数据集大小训练集分数、测试集分数
  • 导入模块
    • from sklearn.model_selection import learning_curve
  • 参数
    • train_sizes, train_scores, test_scores = learning_curve(estimator, X, y
      • ,cv=cv,n_jobs=n_jobs)
    • estimator
      • 实例化后的分类器
    • x
      • 数据特征
    • y
      • 数据标签
    • cv交叉验证的模型
      • cv = ShuffleSplit(n_splits=50, test_size=0.2, random_state=0)
    • n_jobs
      • 进行计算的cpu
  • 定义绘制学习曲线函数
    • [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sJbtMv3E-1683862015895)(data/user-data/509837/images/b51d700d9f0f496970fe4725303cbfe0.png)]
  • 将模型代入循环中绘制出学习曲线
    • [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-rvCvy3My-1683862015897)(data/user-data/509837/images/54ee1d0fac3392878637aaf78c3b4a89.png)]
kaqqaqq
关注
sklearn机器学习之【学习曲线】
qq_42419985的博客
03-12 2116
【本文精髓源自b站‘莫烦Python’系列教程】 【适用于Python3版本，相应第三方库建议升级至最新版本】 下面展示两种学习曲线的绘制方法： '''sklearn.learning_curve 中的 learning curve学习曲线 可以很直观的看出我们的 model 学习的进度, 对比发现 有没有overfitting 的问题. 然后我们可以对我们的 model 进行调整, ...
基于鸢尾花（iris，sklearn中自带的数据）数据集的逻辑回归分类实践
bes1290的博客
10-30 4415
基于鸢尾花（iris，sklearn中自带的数据）数据集的逻辑回归分类实践 实践要求： 导入基础的函数库包括：numpy（Python进行科学计算的基础软件包）， pandas（pandas是一种快速，强大，灵活且易于使用的开源数据分析和处理工具）， matplotlib和seaborn绘图。 解题步骤： Step1:库函数导入 ## 基础函数库 import numpy as np import pandas as pd ## 绘图函数库 import matplotlib.pyplot as plt
sklearn 多种模型的学习曲线 拟合中的特性与运行速度（机器学习）
CSDN 精品推荐
02-08 813
文章目录案例实战：多种模型的学习曲线1、导入相关库2、定义画图函数3、准备数据4、循环调用函数画图 案例实战：多种模型的学习曲线 1、导入相关库 from sklearn.ensemble import RandomForestClassifier # 随机森林模型 from sklearn.tree import DecisionTreeClassifier # 决策树 from sklearn.linear_model import LogisticRegression # 逻辑回归 from skl
机器学习好伙伴之scikit-learn的使用——学习曲线
Bubbliiiing的学习小课堂
09-05 5006
机器学习好伙伴之scikit-learn的使用——学习曲线什么是学习曲线sklearn中学习曲线的实现应用示例 什么是学习曲线呢，其内容主要包含当训练量增加时，loss的变化情况。 什么是学习曲线 学习曲线主要反应的是学习的一个过程，常用的表示方法是训练集的loss和测试集的loss与训练量之间的关系。其示意图如下： sklearn中学习曲线的实现 在进行学习曲线的绘制之前，首先要导入学习曲线...
sklearn 学习曲线Learning Curve和 validation_curve
vincent_duan的专栏
11-11 5232
学习曲线是什么？ 简单来说，就是用学习曲线(learning curve)来判断模型状态：过拟合还是欠拟合。 学习曲线是根据不同训练集大小，模型在训练集和验证集上的得分变化曲线。也就是以样本数为横坐标，训练和交叉验证集上的得分（如准确率）为纵坐标。learning curve可以帮助我们判断模型现在所处的状态：过拟合（overfiting / high variance） or 欠拟合（underfitting / high bias，模型欠拟合、过拟合、偏差和方差平衡 时对应的学习曲线如下图所示： （1
sklearn 中的学习曲线learning_curve()
weixin_44360866的博客
10-14 614
学习曲线
Sklearn机器学习——预测明天是否会下雨
qq_47250064的博客
09-07 5349
探索澳大利亚天气，进行特征工程时对于地点这个特征进行爬虫爬取，使之与气候站的天气进行关联。数据预处理也比较繁琐。后期进行建模对于准确度和recall都进行不断优化。算是难度比较大的一个svm案例。
机器学习Sklearn Day1
birdooo的博客
02-17 1686
机器学习sklearn Day1 什么是sklearn scikit-learn，又写作sklearn，sklearn是一个开源的基于python语言的机器学习工具包 它通过Numpy，SciPy和Matplotlib等python数值计算的库实现高效的算法应用 涵盖了几乎所有主流机器学习算法 为什么是sklearn 友好且有深度；有用但缺乏优秀的解读；是通往数据挖掘工程师的起点 什么是Graphviz 在开发工作中，为代码添加注释是为了保证代码可维护性的一个重要方面，但是
学习sklearn的一些收获
m0_61613813的博客
10-21 875
scikit-learn（sklearn） 它是一个简单有效的数据挖掘和数据分析工具，可以在各种环境下重复使用，建立在numpy，scipy，matplotlib基础之上，对常用算法进行了封装，它的基本模块有数据预处理、数据降维、模型选择、分类、聚类、和回归6个。若对算法不精通，我们只需要简单调用库里的模块就可以执行建模任务。 datasets（sklearn自带的数据集，供用户学习，数据编列比较规范，可以使用data、target、feature_names、DESCR分别获取数...
python机器学习之sklearn分类、聚类、回归、模型选择、降维、数据预处理
m0_59485658的博客
07-15 5330
scikit-learn，又写作sklearn，是一个开源的基于python语言的机器学习工具包。它通过NumPy,SciPy和Matplotlib等python数值计算的库实现高效的算法应用，并且涵盖了几乎所有主流机器学习算法。官网搜索相关语法https安装sklearn#不是pipinstall-Usklearn。...
SKlearn库学习曲线
weixin_33834137的博客
02-25 215
思想： # 1.现将所有样本用交叉验证方法或者（随机抽样方法) 得到 K对 训练集-验证集# 2.依次对K个训练集，拿出数量不断增加的子集如m个，并在这些K*m个子集上训练模型。# 3.依次在对应训练集子集、验证集上计算得分。# 4.对每种大小下的子集，计算K次训练集得分均值和K次验证集得分均值，共得到m对值。# 5.绘制学习率曲线。x轴训练集样本量，y轴模型得分或预测准确率。 用...
机器学习之学习曲线绘制Python-skleran
qq_44386182的博客
10-04 5129
train_scores：如上为numpy数组，第一行五个数据为抽取原始训练集10%的数据做的五折交叉验证的训练集指标。，第二行五个数据为抽取原始训练集25%的数据做的五折交叉验证的训练集指标。test_scores：如上为numpy数组，第一行五个数据为抽取原始训练集10%的数据做的五折交叉验证的验证集指标。，第二行五个数据为抽取原始训练集25%的数据做的五折交叉验证的验证集指标。train_sizes: 随着训练集的增大，选择在10%，25%，50%，75%，100%的训练集大小上进行采样。
sklearn 绘制学习曲线(模型状态评估)
weixin_42568012的博客
03-27 2575
不同训练集大小，模型在训练集和验证集上的得分变化曲线
sk-learn 学习曲线图
Cjiaocsda1127的专栏
04-24 397
机器学习之验证曲线绘制-调参可视化-sklearn
qq_44386182的博客
10-04 1666
需要注意的是如果我们使用验证分数来优化超参数，那么该验证分数是有偏差的，它无法再代表模型的泛化能力，我们就需要使用其他测试集来重新评估模型的泛化能力。验证曲线和学习曲线的区别是，横轴为某个超参数的一系列值，由此来看不同参数设置下模型的准确率(评价标准)，而不是不同训练集大小下的准确率。从验证曲线上可以看到随着超参数设置的改变，模型可能从欠拟合到合适再到过拟合的过程，进而选择一个合适的设置，来提高模型的性能。train_scores：如上图：num列k行的训练集评价分数。scoring：评价方式。
SKlearn库学习曲线和验证曲线
weixin_33751566的博客
02-22 276
SKlearn库学习曲线和验证曲线 转载于:https://www.cnblogs.com/andylhc/p/10416978.html
python怎么输出roc曲线_python sklearn画ROC曲线
weixin_39582724的博客
12-04 748
preface：最近《生物信息学》多次谈到AUC，ROC这两个指标，正在做的project，要求画ROC曲线，sklearn里面有相应的函数，故学习学习。AUC:ROC:具体使用参考sklearn:#coding:utf-8print(__doc__)import numpy as npfrom scipy import interpimport matplotlib.pyplot as pltf...
sklearn的多项式回归与学习曲线
jediael_lu的专栏
07-15 884
文章目录多项式回归学习曲线 我们先简单看看多项式回归，然后通过学习曲线看一下过拟合的情况。 多项式回归 我们使用二次方程生成一些数据，然后拟合。 X = 6 * np.random.rand(100, 1) - 3 y = 0.5 * X**2 + X + 2 + np.random.rand(100,1) 显然，线性模型很难拟合上述数据，于是我们使用sklearn的PolynomialFeatures类来转换训练数据，将训练集中每个特征的平方（二次多项式）添加为新特征（在这种情况下，只有一个特征）： f
sklearn中绘制AUC曲线的函数
最新发布
07-25
在sklearn中，可以使用`sklearn.metrics.plot_roc_curve`函数绘制AUC曲线。以下是一个示例代码： ```python from sklearn.datasets import make_classification from sklearn.model_selection import train_test_...
评论
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