python——cross_val_score()函数、ShuffleSplit()函数、zip()函数

最新推荐文章于 2024-04-26 16:13:57 发布

watermelon12138

最新推荐文章于 2024-04-26 16:13:57 发布

阅读量8.4k

点赞数 5

分类专栏：机器学习 python 文章标签： pyhon函数

本文链接：https://blog.csdn.net/watermelon12138/article/details/86528089

版权

本文介绍了Python中用于评估模型的cross_val_score()函数，利用ShuffleSplit进行交叉验证，以及如何结合使用两者进行模型得分估计。同时，还详细讲解了zip()函数的用法。

摘要由CSDN通过智能技术生成

cross_val_score():

# cross_val_score(estimator, X, y=None, scoring=None, cv=None, n_jobs=1)
# 该函数用交叉检验(cross-validation)来估计一个模型的得分
# estimator：需要一个模型对象
# X和y分别表示自变量和因变量
# scoring:需要string, callable or None，表示通过哪个机制来打分
#              scoring='r2'根据r2(判定系数)来评价模型
# cv: 需要int，cross_validation generator or an iterable，默认为3重交叉检验
#     *int：表示交叉检验的重数, int=n代表n重交叉检验
#     *cross_validation generator：一个交叉检验生成器的对象
#     *an iterable：一个迭代器，它可以限制训练集和测试集的划分
# n_jobs=1：计算时使用的CPU的数量，-1代表使用所有的CPU
# cross_val_score的返回值是一个数组，数组中的元素是每次交叉检验模型的得分。

ShuffleSplit():

# ShuffleSplit(n_splits=10，test_size=0.1,train_size=None,random_state=None)是一个交叉检验迭代器
# n_splits: 代表迭代次数，默认为10。每迭代一次就按照test_size或者train_size生成相应的训练集和测试集
# test_size: 需要float, int or None，默认值为0.1
#            *float