本文介绍了如何使用sklearn库进行机器学习模型评估，包括混淆矩阵、分类报告和交叉验证，并展示了如何利用matplotlib进行数据可视化，如设置坐标轴标注、调整坐标轴范围以及展示图例和文字标注，还提到了lgbm特征重要性的计算。
一.sklearn评估
1.混淆矩阵
from sklearn.metrics import confusion_matrix
confusion_matrix(testLabel,pre_label)
2.大小类评估指标：精确率，召回率，f1得分
from sklearn.metrics import classification_report
classification_report(testLabel, pre_label)
3.交叉验证
mode = GradientBoostingClassifier()
cross_val_score(mode, feaSet, inLabel, cv = 10, scoring = 'accuracy')
二.matplot 绘图
1.设置坐标轴标注
fig = plt.figure()
1.混淆矩阵
from sklearn.metrics import confusion_matrix
confusion_matrix(testLabel,pre_label)
2.大小类评估指标：精确率，召回率，f1得分
from sklearn.metrics import classification_report
classification_report(testLabel, pre_label)
3.交叉验证
mode = GradientBoostingClassifier()
cross_val_score(mode, feaSet, inLabel, cv = 10, scoring = 'accuracy')
二.matplot 绘图
1.设置坐标轴标注
fig = plt.figure()
最低0.47元/天 解锁文章
扫一扫
3989
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
