sklearn笔记三交叉验证

Dive_

于 2019-09-23 21:40:24 发布

阅读量551

点赞数

分类专栏： Python笔记之sklearn

本文链接：https://blog.csdn.net/qq_38119106/article/details/101224450

版权

本文详细介绍了sklearn库中交叉验证的基本用法、调参过程以及如何应对过度拟合问题。通过实例展示了如何利用交叉验证评估模型性能，并在调参过程中寻找最优参数，以平衡训练误差和测试误差。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

交叉验证更好的验证模型的好坏

普通：train数据和test数据随机划分一次 用train拟合出模型用test去验证模型的score
交叉验证：多分几次train数据和test数据 分别这用模型验证这几次的score

1最基本用法

# 交叉验证
from sklearn.model_selection import cross_val_score
knn = KNeighborsClassifier(n_neighbors=5)
scores = cross_val_score(knn, X, y, cv=5, scoring='accuracy')#cv=5 5次验证
print(scores)
print(scores.mean())

在这里插入图片描述

2调参

利用knn分组想看分成几组模型score最好

k_range = range(1, 31)
k_scores = []
for k in k_range:
    knn = KNeighborsClassifier(n_neighbors=k)
    scores = cross_val_score(knn, X, y, cv=10

最低0.47元/天解锁文章

sklearn笔记三 交叉验证

1最基本用法

2调参

sklearn笔记三交叉验证