python_交叉验证

python_交叉验证

from sklearn.ensemble import RandomForestClassifier,GradientBoostingClassifier
from sklearn.cross_validation import train_test_split,cross_val_score,StratifiedKFold
from sklearn.metrics import accuracy_score,roc_auc_score,confusion_matrix,roc_curve,auc,precision_recall_curve,roc_auc_score
from sklearn import grid_search

columns = data.columns.drop(['last_etl_acg_dt','cust_isn','bel_org'])[0:10]
temp = data[columns]

# 交叉验证
RF = RandomForestClassifier()
aucs = cross_val_score(estimator=RF,X=temp.iloc[0:100000,:],y = [int(x>20) for x in data.cust_age.iloc[0:100000]],cv = 3,scoring='roc_auc')
print(aucs)

GBDT = GradientBoostingClassifier()
aucs = cross_val_score(estimator=GBDT,X=temp.iloc[0:100000,:],y = [int(x>20) for x in data.cust_age.iloc[0:100000]],cv = 3,scoring='roc_auc')
print(aucs)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python中,逻辑回归(Logistic Regression)是一种常用的分类算法,而五折交叉验证(5-fold Cross-Validation)是一种评估模型性能的技术。五折交叉验证的目的是通过将数据集分割成五个部分,轮流将其中的一部分作为测试集,其余部分作为训练集,以此来评估模型对未知数据的预测能力。 在Python中,可以使用`scikit-learn`库来实现逻辑回归和五折交叉验证。首先,你需要导入逻辑回归模型和交叉验证的函数或类,然后创建逻辑回归的实例并对其进行配置。接下来,你可以使用交叉验证函数来评估模型。这里是一个简单的代码示例: ```python from sklearn.linear_model import LogisticRegression from sklearn.model_selection import cross_val_score from sklearn.datasets import load_iris from sklearn.model_selection import KFold # 加载数据集,这里以鸢尾花数据集为例 iris = load_iris() X, y = iris.data, iris.target # 创建逻辑回归模型实例 log_reg = LogisticRegression() # 创建五折交叉验证的分隔策略 kf = KFold(n_splits=5, shuffle=True, random_state=1) # 应用交叉验证 cross_val_results = cross_val_score(log_reg, X, y, cv=kf, scoring='accuracy') # 输出交叉验证的结果 print('Cross-validation results:', cross_val_results) print('Mean accuracy:', cross_val_results.mean()) ``` 在这个示例中,`cross_val_score`函数执行了五折交叉验证,并计算了模型的准确率。`n_splits=5`参数指定了交叉验证的折数为5,`shuffle=True`确保了每次分割前数据都会随机打乱,`random_state`保证了可重复性。最后,我们打印出了交叉验证的结果以及平均准确率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值