sklearn
菇綡
123456789
展开
-
Sklearn中的线性回归
import numpy as npimport matplotlib.pyplot as pltfrom sklearn.linear_model import LinearRegression#假设样本数据集如下;data=[ [0.067732,3.176513],[0.427810,3.816464],[0.995731,4.550095],[0.738336,4.2...原创 2018-12-20 21:44:28 · 615 阅读 · 0 评论 -
Sklearn实现knn
#----------------------------------Sklearn实现Knn------------------------------# KNeighborsClassifier(n_neighbors=5, weights=’uniform’,# algorithm=’auto’, leaf_size=30, p=2, metric=’minkowski’,# met...原创 2018-12-21 09:59:10 · 1043 阅读 · 0 评论 -
Sklearn实现朴素贝叶斯
#------------------------------Sklearn 实现朴素贝叶斯-----------------------# 在scikit-learn中,一共有3个朴素贝叶斯的分类算法类。# 分别是GaussianNB,MultinomialNB和BernoulliNB。# 其中GaussianNB就是先验为高斯分布的朴素贝叶斯,# MultinomialNB就是先验...原创 2018-12-21 11:12:34 · 598 阅读 · 0 评论 -
sklearn实现决策树
决策树 决策树是一种用于分类和回归的非参数监督学习方法。目标是通过学习从数据特征推断出的简单决策规则,创建一个预测目标变量值的模型。 决策树的优点: 1)易于理解和解释。树木可以被可视化; 2)只需要很少的数据准备,数据可以不规范化,但是需要注意的是,决策树不能有丢失的值; 3)使用该树的花费是用于训练树的数...原创 2018-12-22 12:15:18 · 6047 阅读 · 1 评论 -
sklearn 中的 Pipeline 机制
sklearn 中的 Pipeline 机制from sklearn.pipeline import Pipeline管道机制实现了对全部步骤的流式化封装和管理(streaming workflows with pipelines)。注意:管道机制更像是编程技巧的创新,而非算法的创新。 接下来我们以一个具体的例子来演示sklearn库中强大的Pipeline用法:1 加载数...转载 2019-01-08 14:54:08 · 333 阅读 · 0 评论 -
sklearn中的k折交叉验证
K折交叉验证: sklearn.model_selection.KFold(n_splits=3,shuffle=False,random_state=None)思路:将训练/测试数据划分n_splits个互斥子集,每次用其中一个子集当作验证集,剩下的n_splits-1个作为训练集,进行n_splits次训练和测试,得到n_splits个结果注意:对于不能均等分的数据集,前n_sampl...转载 2019-01-08 16:32:48 · 6753 阅读 · 1 评论