在这里插入代码片
accuracy_score(y_test,y_pre)
或者 model.score(x_test,y_test),大多模型都是有score方法的
sklearn.model_selection.cross_val_score
sklearn.model_selection.cross_val_score(estimator, X, y=None, groups=None, scoring=None, cv=’warn’, n_jobs=None, verbose=0, fit_params=None, pre_dispatch=‘2*n_jobs’, error_score=’raise-deprecating’)[source]
#最终过拟合的,解决方案,减少数量的预测,优化模型参数
featimp=pd.Series(model.feature_importances_,index=predictor_var).sort_values(ascending=False)
featimp#功能重要性矩阵,从中获取功能的重要性