-
sklearn中的
cross validation
from sklearn import cross_validation features_train, features_test, labels_train, labels_test = \ cross_validation.train_test_split(features, labels, test_size = 0.4, random_state = 0)
-
K-fold
交叉验证,以及sklearn
中交叉验证的示例 -
Sklearn
中的GridSearchCV
:用于系统地遍历多种参数组合,通过交叉验证确定最佳效果参数。它的好处是,只需增加几行代码,就能遍历多种组合。# 创建参数组合,由不同的 kernel 和 C 组成 parameters = {'kernel':('linear', 'rbf'), 'C':[1, 10]} svr = svm.SVC() # 传达算法 (svr) 和参数 (parameters) 字典来尝试,它生成一个网格的参数组合进行尝试。 clf = grid_search.GridSearchCV(svr, parameters) # 拟合函数现在尝试了所有的参数组合,并返回一个合适的分类器,自动调整至最佳参数组合。 clf.fit(iris.data, iris.target) # 现在便可通过 clf.best_params_ 来获得参数值。
-
交叉验证迷你项目
网友评论