2017年6月14日
sklearn中的回归器性能评估方法
摘要： explained_variance_score() mean_absolute_error() mean_squared_error() r2_score() 以上四个函数的相同点： 这些函数都有一个参数“multioutput”，用来指定在多目标回归问题中，若干单个目标变量的损失或得分以什么样的 阅读全文
posted @ 2017-06-14 15:12 nolonely 阅读(22193) 评论(1) 推荐(0)
sklearn中的损失函数
摘要： 各种损失函数 损失函数或代价函数来度量给定的模型（一次）预测不一致的程度 损失函数的一般形式： 风险函数：度量平均意义下模型预测结果的好坏 损失函数分类： Zero-one Loss，Square Loss，Hinge Loss，Logistic Loss，Log Loss或Cross-entrop 阅读全文
posted @ 2017-06-14 15:06 nolonely 阅读(16116) 评论(0) 推荐(0)
sklearn参数优化方法
摘要： 学习器模型中一般有两个参数：一类参数可以从数据中学习估计得到，还有一类参数无法从数据中估计，只能靠人的经验进行指定，后一类参数就叫超参数 比如，支持向量机里的C，Kernel，gama，朴素贝叶斯里的alpha等，在学习其模型的设计中，我们要搜索超参数空间为学习器模型找到最合理的超参数，可以通过以下 阅读全文
posted @ 2017-06-14 11:34 nolonely 阅读(19734) 评论(0) 推荐(4)
sklearn中的数据集的划分
摘要： sklearn数据集划分方法有如下方法： KFold，GroupKFold，StratifiedKFold，LeaveOneGroupOut，LeavePGroupsOut，LeaveOneOut，LeavePOut，ShuffleSplit，GroupShuffleSplit，Stratified 阅读全文
posted @ 2017-06-14 10:14 nolonely 阅读(26108) 评论(0) 推荐(4)