【Python机器学习】——训练/测试

最新推荐文章于 2024-07-02 11:45:31 发布

玄链教育

最新推荐文章于 2024-07-02 11:45:31 发布

阅读量576

点赞数

分类专栏： # python语言基础文章标签： python 机器学习人工智能

本文链接：https://blog.csdn.net/mask5726/article/details/130163737

版权

python语言基础专栏收录该内容

244 篇文章 3 订阅 ¥79.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了Python机器学习中的训练与测试方法。通过将数据集分为训练集和测试集，用80%数据训练模型，剩余20%进行测试，以此评估模型准确性。以一个购物习惯的数据集为例，采用多项式回归进行拟合，并通过R-squared分数判断模型与数据的拟合度。最终，模型在训练和测试集上的表现良好，可用于预测新值。

摘要由CSDN通过智能技术生成

Python机器学习——训练/测试

一、Python机器学习训练/测试

评估模型
在机器学习中，我们创建模型来预测某些事件的结果，就像在上一章中当我们了解重量和发动机排量时，预测了汽车的二氧化碳排放量一样。
要衡量模型是否足够好，我们可以使用一种称为训练/测试的方法。
什么是训练/测试
训练/测试是一种测量模型准确性的方法。
之所以称为训练/测试，是因为我们将数据集分为两组：训练集和测试集。
80％用于训练，20％用于测试。
您可以使用训练集来训练模型。
您可以使用测试集来测试模型。
训练模型意味着创建模型。
测试模型意味着测试模型的准确性。
从数据集开始
从要测试的数据集开始。
我们的数据集展示了商店中的 100 位顾客及其购物习惯。
实例
import numpy
import matplotlib.pyplot as plt
numpy.random.seed(2)
x = numpy.random.normal(3, 1, 100)
y = numpy.random.normal(150, 40, 100) / x
plt.scatter(x, y)
plt.s