Python sklearn包中的一些小函数笔记

一、切分训练集，测试集

from sklearn.model_selection import train_test_split

#随机 划分30%作为测试集       random_state=531
xTrain,xTest,yTrain,yTest = train_test_split(X,y,test_size=0.3,random_state=531)

二、计算均方误差（也可以自己算，就是简单嘛）

from sklearn.metrics import mean_squared_error
mean_squared_error(yTest,p)

三、计算正确个数，正确率

from sklearn.metrics import accuracy_score
correct = accuracy_score(yTest,preditions)   
#就是简单的比较正确的个数，normalize=True 则返回正确的概率

四、混淆矩阵（可以反映每个类中，预测正确的个数）

from sklearn.metrics import confusion_matrix
confusionMat = confusion_matrix(yTest,pList)

五、train_score_（这个参数有没有，依模型而定）

#GradientBoosting有，RandomForest没有
#每次迭代，训练集产生的误差（deviance）
#mean_squared_error,missClassError
plt.plot(range(1,nEst+1),glassGBMModel.train_score_,label='Training Set Mse',linestyle = ':')