机械设备上哪个网站做外贸推广,免费制作永久个人网站,模仿别人的网站,中国互联网十大巨头公司1#xff0c;前言
之前学习并且实操了一些算法框架用来探索相关方向的可能性#xff0c;但是总不了解相关的步骤。因为一步一步按照别人给出的步骤去操作#xff0c;解决一些操作时出现的问题#xff0c;基本可以达到目的。但是这个也基本限制了在那个框架而已。对于算法还…1前言
之前学习并且实操了一些算法框架用来探索相关方向的可能性但是总不了解相关的步骤。因为一步一步按照别人给出的步骤去操作解决一些操作时出现的问题基本可以达到目的。但是这个也基本限制了在那个框架而已。对于算法还是知之甚少。这两天碰到了scikit-learn觉得很不错于是去敲敲代码了解了解。文章主要为我学习所需记录和强化我的认知。觉得有用则看无用则略过
2机器学习方式
ch02_机器学习基础/第二章_机器学习基础.md · zhucoding/DeepLearning-500-questions - Gitee.com
a,监督学习--体现为标记输入数据集最常用分类回归
b,非监督式学习--体现为未标记输入数据集聚类
c,半监督式学习:相当于监督学习的延伸未标记的数据用来预测
d,弱监督式学习:
3监督学习步骤
①数据集创建和分类标记数据
②数据增强对图片数据进行旋转平移颜色转换裁剪仿射变换等
③特征工程特征提取和特征选择---特征工程的方法和步骤_特征工程流程-CSDN博客
④构建预测模型和损失
⑤训练
⑥验证和模型选择
⑦测试和应用 3例子
使用scikit learning鸢尾花数据去模拟大致跑一次基础流程先
基本流程
获取数据包括特征值x目标属性y--划分训练集、测试集--选好模型(支持向量机LR分类模型随机森林分类模型)--开始进行训练集训练交叉验证调超参--得到训练集最佳模型识别率和置信度--开始进行测试集训练交叉验证调超参--得到测试集集最佳模型识别率和置信度
# 模型加入了调参
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split,GridSearchCV
from sklearn.svm import SVCdataset load_iris() # 得到鸢尾花的数据x dataset.datay dataset.target
print(x)
print(y)train_x, test_x, train_y, test_y train_test_split(x, y, test_size0.2, random_state0)svm_model SVC()params [{kernel: [linear], C: [1, 10, 100, 100]},{kernel: [poly], C: [1], degree: [2, 3]},{kernel: [rbf], C: [1, 10, 100, 100], gamma: [1, 0.1, 0.01, 0.001]}
]# 在这里进行了交叉验证 和 调参
best_model GridSearchCV(svm_model, param_gridparams, cv5, scoringaccuracy)
best_model.fit(train_x, train_y)print(svm模式在训练集上的精准度为%.4f%best_model.best_score_)
print(best_model.best_params_)
print(best_model.cv_results_)best_model1 GridSearchCV(svm_model, param_gridparams, cv5, scoringaccuracy)
best_model1.fit(test_x, test_y)print(svm模式在验证集上的精准度为%.4f%best_model.best_score_)
print(best_model1.best_params_)
print(best_model1.cv_results_)
新手如有不对敬请指出 参考机器学习超详细实践攻略(8)使用scikit-learn构建模型的通用模板【万字长文】 - 知乎 (zhihu.com)
