《机器学习Python实践》,第十章,评估算法
目录:
橘猫吃不胖:《机器学习Python实践》读书笔记-第一章zhuanlan.zhihu.com
橘猫吃不胖:《机器学习Python实践》读书笔记-第三章zhuanlan.zhihu.com
橘猫吃不胖:《机器学习Python实践》读书笔记-第六章zhuanlan.zhihu.com
橘猫吃不胖:《机器学习Python实践》读书笔记-第七章zhuanlan.zhihu.com
橘猫吃不胖:《机器学习Python实践》读书笔记-第八章zhuanlan.zhihu.com
橘猫吃不胖:《机器学习Python实践》读书笔记-第九章zhuanlan.zhihu.com
橘猫吃不胖:《机器学习Python实践》读书笔记-第九章(续)zhuanlan.zhihu.com
一个算法模型,总归是要验证一下这个模型是否可以使用,准确性怎么样
最简单的方式,是将原始数据,分成训练数据集和评估数据集,训练集,用来训练生成算法模型,评估集用来评估算法模型的准确度
橘猫吃不胖:sklearn函数:train_test_split(分割训练集和测试集)zhuanlan.zhihu.com
橘猫吃不胖:sklearn函数:KFold(分割训练集和测试集)zhuanlan.zhihu.com
橘猫吃不胖:sklearn函数:LeaveOneOut(分割训练集和测试集)zhuanlan.zhihu.com
橘猫吃不胖:sklearn函数:ShuffleSplit(分割训练集和测试集)zhuanlan.zhihu.com
之前写过分割数据集的方法,这里还差一步,就是如何看模型的准确度
最后调用score函数,得到的是使用测试集的准确率
对于K折交叉验证,可以使用cross_val_score
橘猫吃不胖:sklearn函数:cross_val_score(交叉验证评分)zhuanlan.zhihu.com