sklearn
文章平均质量分 61
gyl2016
这个作者很懒,什么都没留下…
展开
-
sklearn.cross_val_score和sklearn.roc_auc_score
1、sklearn.model_selection.cross_val_score(estimator,X,y=None,groups=None,scoring=None,cv=None,n_jobs=None,verbose=0,fit_params=None,pre_dispatch='2*n_jobs',error_score=nan)(1)cv参数定义交叉验证方式:...原创 2020-03-27 23:21:48 · 1566 阅读 · 0 评论 -
随机森林-sklearn.ensemble.RandomForestRegressor
随机森林回归:class sklearn.ensemble.RandomForestRegressor(n_estimators=10, criterion=’mse’, max_depth=None,min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=’auto’, max_l原创 2017-08-22 21:22:17 · 17027 阅读 · 0 评论 -
sklearn.preprocessing的部分用法
类:sklearn.preprocessing.StandardScaler(copy=True, with_mean=True, with_std=True)通过减去均值并缩放到单位变量来标准化特征。公式:(x-mean)/std,mean为均值,std为方差,计算时对每个属性/每列分别进行。结果是对于每个属性/每列的数据服从均值为0,方差为1的分布。实现方式有两种:(1原创 2017-08-23 00:13:24 · 578 阅读 · 0 评论 -
sklearn.linear_model中的LogisticRegression
1、调用sklearn中的LogisticRegression:class sklearn.linear_model.LogisticRegression(penalty=’l2’, dual=False, tol=0.0001, C=1.0, fit_intercept=True,intercept_scaling=1, class_weight=None, random_state=Non原创 2017-08-22 20:22:18 · 6333 阅读 · 0 评论 -
Sklearn.cross_validation模块和数据划分方法
(1)K折交叉验证:KFold、GroupKFold、StratifiedKFold(2)留一法:LeaveOneGroupOut、LeavePGroupsOut转载 2017-08-28 21:02:05 · 7720 阅读 · 0 评论 -
sklearn中一些参数
转载:http://www.cnblogs.com/chenyaling/p/7826229.html 1。监督学习1.1。广义线性模型1.1.1。普通最小二乘法 class sklearn.linear_model.LinearRegression(fit_intercept=True, normalize=False, copy_X=True, n_jobs=1)1.1.1.1...转载 2018-12-09 21:19:40 · 4345 阅读 · 0 评论 -
sklearn.metrics中几个AUC和ROC函数
sklearn.metrics.roc_auc_score(y_true,y_score)y_true:真实标签的类别值;y_scores:target scores,或者预测的正类标签的概率值;对于二进制y_true,y_score应该是类别中最大值的scores。sklearn.metrics.roc_curve(y_true,y_score,pos_label)y_tr...原创 2019-03-01 11:14:02 · 3416 阅读 · 0 评论 -
boosting算法调参
算法调参参考:XGBoosthttps://blog.csdn.net/han_xiaoyang/article/details/52665396GBMhttps://blog.csdn.net/han_xiaoyang/article/details/526631700、网格搜索sklearn.model_selection.GridSearchCV...原创 2019-03-03 13:17:10 · 1452 阅读 · 0 评论