文章 2023-02-14 来自:开发者社区

机器学习测试笔记(29)——找到最佳模型及参数

1构造函数from sklearn.model_selection import GridSearchCV from sklearn.pipeline import Pipeline class Better: def __init__(self,data): self.n_jobs = 2 self.data = data ...

文章 2023-02-14 来自:开发者社区

机器学习测试笔记(27)——模型评估和优化(下)

4.3 ROC 曲线(Receiver Operating Characteristic curve)ROC曲线为接受者操作特性曲线是指在特定刺激条件下,以被试在不同判断标准下所得的假阳率为横坐标,真阳率为纵坐标,画得的各点的连线。AUC(Area Underthe Curve)为ROC下面的面积。4.4 P-R(Recall-Precision)曲线横坐标为,纵坐标为召回率,纵坐标为精确度。如....

机器学习测试笔记(27)——模型评估和优化(下)
文章 2023-02-14 来自:开发者社区

机器学习测试笔记(27)——模型评估和优化(上)

1 Sklearn 交叉验证1.1原理图将数据分为n份,一份作为测试数据,其他n-1份作为训练数据。1.2 最基本交叉验证#交叉验证法 from sklearn import svm from sklearn.model_selection import cross_val_score def Sklean_iris_cross_validation(): iris_dataset =d...

机器学习测试笔记(27)——模型评估和优化(上)

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。

产品推荐

开发与运维

集结各类场景实战经验,助你开发运维畅行无忧

+关注
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问