交叉验证

最新推荐文章于 2021-10-29 11:03:02 发布

原创

最新推荐文章于 2021-10-29 11:03:02 发布 · 1.9k 阅读

收录于

当前文章被以下社区和专栏收录：

本文介绍了在sklearn库中如何进行训练/测试数据集的分离，数据处理流程以及交叉验证的概念，特别是k折交叉验证。强调了数据无序的重要性，并详细解释了sklearn中的GridSearchCV工具，它是如何通过遍历参数组合，利用交叉验证找到最佳模型参数的。示例代码展示了如何应用GridSearchCV进行超参数调优。

在sklearn中将训练/测试数据集分离

from sklearn import datasets

iris = datasets.load_iris()
features = iris.data
labels = iris.target

from sklearn.model_selection import train_test_split
features_train, features_test, labels_train, labels_test = train_test_split(
            iris.data, iris.target, test_size=0.4, random_state=0)

# 设置 random_state 参数为 42（random_state 控制哪些点进入训练集，哪些点用于测试；
# 将其设置为 42 意味着我们确切地知道哪些事件在哪个集中； 并且可以检查你得到的结果）