今天介绍一个机器学习包，sklearn。其功能模块有regression\classification\clustering\Dimensionality reduction\data preprocessing\model selection 对我来说，常用的主要有regression（SVR ...

cross_val_score(model_name, x_samples, y_labels， cv=k) 作用：验证某个模型在某个训练集上的稳定性，输出k个预测精度。 K折交叉验证（k-fold） 把初始训练样本分成k份，其中（k-1）份被用作训练集，剩下一份被用作评估集，这样一共可以对 ...

转自：http://www.cnblogs.com/jasonfreak/p/5657196.html 系列 《使用sklearn进行集成学习——理论》 《使用sklearn进行集成学习——实践》 目录 1 前言2 集成学习是什么？3 偏差和方差 　　3.1 ...

系列 《使用sklearn进行集成学习——理论》 《使用sklearn进行集成学习——实践》 目录 1 Random Forest和Gradient Tree Boosting参数详解2 如何调参？　　2.1 调参的目标：偏差和方差的协调　　2.2 参数对整体模型性能的影响 ...

系列 《使用sklearn进行集成学习——理论》 《使用sklearn进行集成学习——实践》 目录 1 前言2 集成学习是什么？3 偏差和方差 　　3.1 模型的偏差和方差是什么？ 　　3.2 bagging的偏差和方差 　　3.3 boosting的偏差和方差 　　3.4 ...

原文地址：http://scikit-learn.org/stable/tutorial/basic/tutorial.html 翻译：Tacey Wong 概要： 该章节，我们将介绍贯穿scikit-learn使用中的“机器学习（Machine Learning）”这个词 ...

一、任务基础 导入所需要的库 import matplotlib.pyplot as plt import pandas as pd %matplotlib inline 加载sklearn内置数据集 ，查看数据描述 from ...

在sklearn当中，可以在三个地方进行模型的评估 1：各个模型的均有提供的score方法来进行评估。 这种方法对于每一种学习器来说都是根据学习器本身的特点定制的，不可改变，这种方法比较简单。这种方法受模型的影响， 2：用交叉验证cross_val_score，或者参数调试 ...