对sklearn的使用之数据集的拆分与训练详解(python3.6)


Posted in Python onDecember 14, 2018

研修课上讲了两个例子,融合一下。

主要演示大致的过程:

导入->拆分->训练->模型报告

以及几个重要问题:

①标签二值化

②网格搜索法调参

③k折交叉验证

④增加噪声特征(之前涉及)

from sklearn import datasets
#从cross_validation导入会出现warning,说已弃用
from sklearn.model_selection import train-test_split
from sklearn.grid_search import GridSearchCV
from sklearn.metrics import classification_report
from sklearn.svm import SVC
import sklearn.exceptioins
#导入鸢尾花数据集
iris = datasets.load_iris()
#将数据集拆分为训练集和测试集各一半
#其中X为数据特征(花萼、花瓣的高度宽度),为150*4的矩阵
#Y为鸢尾花种类(0, 1, 2三种),为150*1矩阵
#如果使用标签二值化, 将0, 1, 2表示为100 010 001
#使用y.label_binarize(y, classes[0, 1, 2]),变为150*3矩阵
X_train, X_test, y_train, y_test = train_test_split(
iris.data, iris.target, test_size=0.5, random_state=0)
#set the parameters by cross_validation
turn_parameters = [{'kernel' : ['rbf', 'gamma' : [1e-3, 1e - 4, 'C':[1,10,100,1000]}, 
{'kernel':['linear'], 'C':[1,10,100,1000]}
]
#clf分离器
#使用网格搜索法调超参数
#训练集做5折交叉验证
clf = GridSearchCV(SVC(C=1), turned_parameters, cv=5, scoring='%s_weighted' % score)
#用前一半train数据再做5折交叉验证
#因为之前的train_test_split已经分割为2份了
#fit-拟合
clf.fit(X_train, y_train)
#超参数
print(clf.best_params_)
#得分
for params, mean_score, scores in clf.gird_scores_:
 print("%.3f (+/-%.0.03f) for %r" % (mean_score, scores.std()*1.96,params))
#分类报告
y_true, y_pred = y_test, clf.predict(X_test)
print(classification_report(y_true, y_pred))

以上这篇对sklearn的使用之数据集的拆分与训练详解(python3.6)就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
利用Python的Flask框架来构建一个简单的数字商品支付解决方案
Mar 31 Python
Python设置Socket代理及实现远程摄像头控制的例子
Nov 13 Python
Python之reload流程实例代码解析
Jan 29 Python
python XlsxWriter模块创建aexcel表格的实例讲解
May 03 Python
python 对给定可迭代集合统计出现频率,并排序的方法
Oct 18 Python
python实现从pdf文件中提取文本,并自动翻译的方法
Nov 28 Python
在python中实现同行输入/接收多个数据的示例
Jul 20 Python
基于Django的乐观锁与悲观锁解决订单并发问题详解
Jul 31 Python
python使用梯度下降算法实现一个多线性回归
Mar 24 Python
如何在scrapy中捕获并处理各种异常
Sep 28 Python
python 两种方法删除空文件夹
Sep 29 Python
python自动化测试之Selenium详解
Mar 13 Python
python列表list保留顺序去重的实例
Dec 14 #Python
Python机器学习之scikit-learn库中KNN算法的封装与使用方法
Dec 14 #Python
Python面向对象之类的内置attr属性示例
Dec 14 #Python
python模糊图片过滤的方法
Dec 14 #Python
python 随机打乱 图片和对应的标签方法
Dec 14 #Python
对python打乱数据集中X,y标签对的方法详解
Dec 14 #Python
Python实现带参数的用户验证功能装饰器示例
Dec 14 #Python
You might like
第四章 php数学运算
2011/12/30 PHP
php实现RSA加密类实例
2015/03/26 PHP
PHP+Ajax实时自动检测是否联网的方法
2015/07/01 PHP
PHP单例模式简单用法示例
2017/06/23 PHP
JavaScript 实现??打印?理
2007/04/28 Javascript
解析JavaScript中的标签语句
2013/06/19 Javascript
js实现同一页面可多次调用的图片幻灯切换效果
2015/02/28 Javascript
jquery简单实现图片切换效果的方法
2015/05/12 Javascript
jQuery中serializeArray()与serialize()的区别实例分析
2015/12/09 Javascript
js选择器全面解析
2016/06/27 Javascript
浅谈JS的基础类型与引用类型
2016/09/13 Javascript
利用JS实现点击按钮后图片自动切换的简单方法
2016/10/24 Javascript
vue之nextTick全面解析
2017/05/17 Javascript
jQuery Validate插件ajax方式验证输入值的实例
2017/12/21 jQuery
详解JavaScript中操作符和表达式
2018/09/12 Javascript
JavaScript的垃圾回收机制与内存管理
2020/08/06 Javascript
vue 微信分享回调iOS和安卓回调出现错误的解决
2020/09/07 Javascript
[43:58]DOTA2上海特级锦标赛C组败者赛 Newbee VS Archon第二局
2016/02/27 DOTA
[01:16:50]DOTA2-DPC中国联赛 正赛 Phoenix vs CDEC BO3 第一场 3月7日
2021/03/11 DOTA
Pycharm 操作Django Model的简单运用方法
2018/05/23 Python
Python对象中__del__方法起作用的条件详解
2018/11/01 Python
python退出命令是什么?详解python退出方法
2018/12/10 Python
scikit-learn线性回归,多元回归,多项式回归的实现
2019/08/29 Python
Python读写操作csv和excle文件代码实例
2020/03/16 Python
python基于爬虫+django,打造个性化API接口
2021/01/21 Python
Python Selenium异常处理的实例分析
2021/02/28 Python
HTML5响应式(自适应)网页设计的实现
2017/11/17 HTML / CSS
土耳其时尚购物网站:Morhipo
2017/09/04 全球购物
哥德堡通行证:Gothenburg Pass
2019/12/09 全球购物
文员个人的求职信范文
2013/09/26 职场文书
先进个人获奖感言
2014/01/24 职场文书
企业宣传方案
2014/03/04 职场文书
公务员党员评议表自我鉴定
2014/09/14 职场文书
小学教师岗位职责
2015/04/02 职场文书
python glom模块的使用简介
2021/04/13 Python
Java由浅入深通关抽象类与接口(上篇)
2022/04/26 Java/Android