記sklearn庫的使用(1)
阿新 • • 發佈:2018-12-10
本篇只只在使用,不記載原理,當字典用。排版不是很好,可以使用搜索ctrl+F
-
PCA主成成分分析
from sklearn.decomposition import PCA # 主成分分析演算法
pca = PCA(n_components= 5) # 選擇成分5個
pca.fit(X_train) # 訓練X
X_train = pca.fit_transform(X_train)在使用真是資料預測的時候這樣寫:
X_test = pca.fit_transform(X_test)其他的方法也是如此
from sklearn.manifold import TSNE 等方法 -
超引數空間搜尋
clf 是你自己的分類器
from sklearn.model_selection import GridSearchCV
para = {
‘learning_rate’:[0.008,0.01,0.013,0.05],
‘n_estimators’:[660,500,550],
‘max_features’:[2,3,4,5],
‘subsample’:[0.87,0.9,0.93,0.88,0.96]
}
grid = GridSearchCV(clf,para)
然後可以輸出grid的各種屬性等知曉那些引數最佳的值,使用者值重新進行分類器分類
同時也可以在GridSearchCV中有很多引數屬性,比如cv,使用交叉驗證等,可以按ctrl+B檢視原始碼。
3.有很多剛開始學的會發覺,分類器只輸出類別,但是想輸出概率,別慌:
分類器有一個類別是
predict_proba(),這個就是輸出概率值啦