sklearn
文章平均质量分 89
闲人_Yty
这个作者很懒,什么都没留下…
展开
-
超参数网络搜索(GridSearchCV)
超参数网络搜索由于各个新模型在执行交叉验证的过程中间是相互独立的,所以我们可以充分利用多核处理器(Multicore processor)甚至是分布式的计算资源来从事并行搜索,节省运算时间。# 导入20类新闻文本抓取器from sklearn.datasets import fetch_20newsgroupsimport numpy as npnews = fetch_20newsgroups(subset='all')print(news.DESCR).. _20newsgroups_原创 2021-01-13 16:14:35 · 661 阅读 · 0 评论 -
机器学习模型性能衡量指标(回归)以及Python实现
文章目录机器学习模型性能衡量指标(回归)以及Python实现平均绝对误差(Mean Absolute Error, MAE)MSE 均方误差(Mean Squared Error, MSE)RMSE 均方根误差(Mean Squared Error, RMSE)R2(R-Square)校正决定系数(Adjust R-Square)机器学习模型性能衡量指标(回归)以及Python实现平均绝对误差(Mean Absolute Error, MAE)MAE=1m∑i=1m∣(yi−yi^)∣MAE = \原创 2021-01-11 19:36:12 · 707 阅读 · 0 评论 -
StandardScaler(sklearn)机器学习中的归一化
StandardScaler(sklearn)参数详解为什么要归一化归一化后加快了梯度下降求最优解的速度:如果机器学习模型使用梯度下降法求最优解时,归一化往往非常有必要,否则很难收敛甚至不能收敛。归一化有可能提高精度:一些分类器需要计算样本之间的距离(如欧氏距离),例如KNN。如果一个特征值域范围非常大,那么距离计算就主要取决于这个特征,从而与实际情况相悖(比如这时实际情况是值域范围小的特征更重要)。from sklearn.preprocessing import Standard原创 2021-01-11 16:59:42 · 4057 阅读 · 1 评论