2023學年完整公開課版Sklearn一般流程_第1頁
2023學年完整公開課版Sklearn一般流程_第2頁
2023學年完整公開課版Sklearn一般流程_第3頁
2023學年完整公開課版Sklearn一般流程_第4頁
2023學年完整公開課版Sklearn一般流程_第5頁
已閱讀5頁，還剩6頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

Sklearn一般流程1.理解Sklearn訓練過程

2.掌握Sklearn訓練流程1.模型訓練流程

2.數(shù)據(jù)的處理傳統(tǒng)的機器學習任務(wù)從開始到建模的一般流程是：獲取數(shù)據(jù)->數(shù)據(jù)預(yù)處理->訓練建模->模型評估->預(yù)測，分類。本文我們將依據(jù)傳統(tǒng)機器學習的流程，看看在每一步流程中都有哪些常用的函數(shù)以及它們的用法是怎么樣的。模型訓練流程

導入sklearn數(shù)據(jù)集sklearn中包含了大量的優(yōu)質(zhì)的數(shù)據(jù)集，在你學習機器學習的過程中，你可以通過使用這些數(shù)據(jù)集實現(xiàn)出不同的模型，從而提高你的動手實踐能力，同時這個過程也可以加深你對理論知識的理解和把握。要想使用sklearn中的數(shù)據(jù)集，必須導入datasets模塊。

創(chuàng)建數(shù)據(jù)集除了可以使用sklearn自帶的數(shù)據(jù)集，還可以自己去創(chuàng)建訓練樣本,sklearn中的samplesgenerator包含的大量創(chuàng)建樣本數(shù)據(jù)的方法。我們拿分類問題的樣本生成器個栗子。獲取數(shù)據(jù)

數(shù)據(jù)歸一化為了使得訓練數(shù)據(jù)的標準化規(guī)則與測試數(shù)據(jù)的標準化規(guī)則同步，preprocessing中提供了很多Scaler：正則化（normalize）當你想要計算兩個樣本的相似度時必不可少的一個操作，就是正則化。其思想是：首先求出樣本的p-范數(shù)，然后該樣本的所有元素都要除以該范數(shù)，這樣最終使得每個樣本的范數(shù)都為1。one-hot編碼one-hot編碼是一種對離散特征值的編碼方式，在LR模型中常用到，用于給線性模型增加非線性能力。數(shù)據(jù)預(yù)處理在得到訓練數(shù)據(jù)集時，通常我們經(jīng)常會把訓練數(shù)據(jù)集進一步拆分成訓練集和驗證集，這樣有助于我們模型參數(shù)的選取，一般選取70%的數(shù)據(jù)作為訓練集。數(shù)據(jù)集拆分在這一步我們首先要分析自己數(shù)據(jù)的類型，搞清出你要用什么模型來做，然后我們就可以在sklearn中定義模型了。sklearn為所有模型提供了非常相似的接口，這樣使得我們可以更加快速的熟悉所有模型的用法。定義模型對于分類器，或者說分類算法，評價指標主要有accuracy，[precision，recall，宏平均和微平均，F(xiàn)-score，pr曲線]，ROC-AU

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論