![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 75
evil心安
这个作者很懒,什么都没留下…
展开
-
利用sklearn来选择和训练模型,微调模型
选择和训练模型 线性回归模型 from sklearn.linear_model import LinearRegression lin_reg = LinearRegression() lin_reg.fit(housing_prepared, housing_labels) 现在就构建好了一个可以工作的线性回归模型。 可以使用sklearn的mean_squared_error函数来测量整个训练集上回归模型的RMSE: from sklearn.metrics import mean_squared原创 2021-01-23 12:15:08 · 1061 阅读 · 2 评论 -
机器学习实战:各种测试集的划分方法(随机划分,分层抽样,hash划分)
理论上,创建测试集非常简单:只需要随机选择一些实例,通常是数据集的20%。 def split_train_test(data, test_ratio): # 对0-len(data)之间的序列进行随机排序 shuffled_indices = np.random.permutation(len(data)) test_set_size = int(len(data) * test_ratio) test_indices = shuffled_indices[:test_set_s原创 2021-01-20 22:37:15 · 3839 阅读 · 2 评论