zoukankan      html  css  js  c++  java
  • SKlearn库学习曲线

    思想:

    # 1.现将所有样本用交叉验证方法或者(随机抽样方法) 得到 K对 训练集-验证集
    # 2.依次对K个训练集,拿出数量不断增加的子集如m个,并在这些K*m个子集上训练模型。
    # 3.依次在对应训练集子集、验证集上计算得分。
    # 4.对每种大小下的子集,计算K次训练集得分均值和K次验证集得分均值,共得到m对值。
    # 5.绘制学习率曲线。x轴训练集样本量,y轴模型得分或预测准确率。

    用到的方法:

    learning_curve #直接得到1个模型在不同训练集大小参数下:1.训练集大小 2.训练得分 3.测试得分

    ShuffleSplit  #实现交叉验证、或 随机抽样划分不同的训练集合验证集

    plt.fill_between

    python代码:

    import numpy as np  
    from sklearn.model_selection import learning_curve, ShuffleSplit  
    from sklearn.datasets import load_digits  
    from sklearn.naive_bayes import GaussianNB  
    from sklearn import svm  
    import matplotlib.pyplot as plt  
    def plot_learning_curve(estimator, title, X, y, ylim=None, cv=None,n_jobs=1, train_size=np.linspace(.1, 1.0, 5 )):  
        if __name__ == '__main__':  
            plt.figure()  
            plt.title(title)  
            if ylim is not None:  
                plt.ylim(*ylim)  
            plt.xlabel('Training example')  
            plt.ylabel('score')  
            train_sizes, train_scores, test_scores = learning_curve(estimator, X, y, cv=cv, n_jobs=n_jobs, train_sizes=train_size)  
            train_scores_mean = np.mean(train_scores, axis=1)  
            train_scores_std = np.std(train_scores, axis=1)  
            test_scores_mean = np.mean(test_scores, axis=1)  
            test_scores_std = np.std(test_scores, axis=1)  
            plt.grid()#区域  
            plt.fill_between(train_sizes, train_scores_mean - train_scores_std,  
                             train_scores_mean + train_scores_std, alpha=0.1,  
                             color="r")  
            plt.fill_between(train_sizes, test_scores_mean - test_scores_std,  
                             test_scores_mean + test_scores_std, alpha=0.1,  
                             color="g")  
            plt.plot(train_sizes, train_scores_mean, 'o-', color='r',  
                     label="Training score")  
            plt.plot(train_sizes, test_scores_mean,'o-',color="g",  
                     label="Cross-validation score")  
            plt.legend(loc="best")  
            return plt  
    digits = load_digits()  
    X = digits.data  
    y = digits.target  
    cv = ShuffleSplit(n_splits=100, test_size=0.2, random_state=0)#切割100ci  
    estimator = GaussianNB()  
    title = "Learning Curves(naive_bayes)"  
    plot_learning_curve(estimator, title, X, y, ylim=(0.7, 1.01), cv=cv, n_jobs=4)  
    
    
    title = "Learning Curves(SVM,RBF kernel, $gamma=0.001$)"  
    cv = ShuffleSplit(n_splits=10, test_size=0.2, random_state=0)#交叉验证传入别的方法,而不是默认的k折交叉验证  
    estimator = svm.SVC(gamma=0.001)  
    plot_learning_curve(estimator, title, X, y, (0.7, 1.01), cv=cv, n_jobs=4)  
    plt.show() 

    结果:

     

    说明:

    1. 贝叶斯模型上,训练集规模达到1100时已经比较合适,太小的话会导致过拟合。。总的来看,该模型的准确率趋向于0.85

    2. SVM模型上,训练集规模到800时已经比较合适,太小的话会导致训练集无代表性,对验证集无预测能力。。。总的来看,该模型在这份数据上的表现比第一个好。

    参考

    http://www.360doc.com/content/18/0424/22/50223086_748481549.shtml

  • 相关阅读:
    php学习笔记之一维数组
    MVC开发人员必备的五大工具
    ASP.NET MVC 3和Razor中的@helper
    Oracle表空间不足ORA-01654
    oracle创建计划任务
    淘宝下单高并发解决方案
    网站集成QQ登录功能
    jquery的一个模板引擎-zt
    Asp.net gzip压缩的启用
    Windows7下面手把手教你安装Django
  • 原文地址:https://www.cnblogs.com/andylhc/p/10430632.html
Copyright © 2011-2022 走看看