sklearn.learning_curve 和 cross_validation 0.18版本废弃警告及解决方法

D:\ProgramData\Anaconda3\lib\site-packages\sklearn\cross_validation.py:41:DeprecationWarning: This module was deprecated in version 0.18 in favor of the model_selection module into which all the refactored classes and functions are moved. Also note that the interface of the new CV iterators are different from that of this module. This module will be removed in 0.20.

 

在0.18版本中不推荐使用此模块,而是支持所有重构的类和函数移动到的model_selection模块。 另请注意,新CV迭代器的接口与此模块的接口不同。 该模块将在0.20版本中删除。

 

主要意思 :  主要意思是说在0.18版本中,cross_validation被废弃了,在 0.20版本中,将被删除

解决办法:

 from sklearn.learning_curve import learning_curve 修改为: from sklearn.model_selection import learning_curve

即 从  model_selection 中导入  learning_curve 模块

 

 

 

 

 

 

  • 4
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Python中,`sklearn.learning_curve`模块已经被弃并从Scikit-learn库中移除。该模块在Scikit-learn版本0.20之后不再可用。如果你使用的是较新的Scikit-learn版本,你可以考虑使用`sklearn.model_selection`模块中的`learning_curve`函数来替代。 `learning_curve`函数可以用于绘制学习曲线,帮助我们分析模型的训练和测试误差随着训练样本数量的变化而变化的情况。它可以帮助我们判断模型是否存在欠拟合或过拟合的问题。 如果你想使用`learning_curve`函数,你需要先安装Scikit-learn库,并导入`sklearn.model_selection`模块。下面是一个示例代码: ```python import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import load_digits from sklearn.model_selection import learning_curve from sklearn.svm import SVC # 加载数据集 digits = load_digits() X, y = digits.data, digits.target # 定义支持向量机分类器 clf = SVC() # 绘制学习曲线 train_sizes, train_scores, test_scores = learning_curve(clf, X, y, cv=5) # 计算平均值和标准差 train_mean = np.mean(train_scores, axis=1) train_std = np.std(train_scores, axis=1) test_mean = np.mean(test_scores, axis=1) test_std = np.std(test_scores, axis=1) # 绘制学习曲线图 plt.figure() plt.plot(train_sizes, train_mean, 'o-', color="r", label="Training score") plt.plot(train_sizes, test_mean, 'o-', color="g", label="Cross-validation score") plt.fill_between(train_sizes, train_mean - train_std, train_mean + train_std, alpha=0.1, color="r") plt.fill_between(train_sizes, test_mean - test_std, test_mean + test_std, alpha=0.1, color="g") plt.xlabel("Training examples") plt.ylabel("Score") plt.legend(loc="best") plt.show() ``` 这是一个简单的示例,你可以根据自己的需求进行修改和扩展。希望对你有帮助!
评论 1
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