python实现K折交叉验证
本文实例为大家分享了python实现K折交叉验证的具体代码,供大家参考,具体内容如下
用KNN算法训练iris数据,并使用K折交叉验证方法找出最优的K值
import numpy as npfrom sklearn import datasetsfrom sklearn.neighbors import KNeighborsClassifierfrom sklearn.model_selection import KFold # 主要用于K折交叉验证# 导入iris数据集iris = datasets.load_iris()X = iris.datay = iris.targetprint(X.shape,y.shape)# 定义想要搜索的K值,这里定义8个不同的值ks = [1,3,5,7,9,11,13,15]# 进行5折交叉验证,KFold返回的是每一折中训练数据和验证数据的index# 假设数据样本为:[1,3,5,6,11,12,43,12,44,2],总共10个样本# 则返回的kf的格式为(前面的是训练数据,后面的验证集):# [0,1,3,5,6,7,8,9],[2,4]# [0,1,2,4,6,7,8,9],[3,5]# [1,2,3,4,5,6,7,8],[0,9]# [0,1,2,3,4,5,7,9],[6,8]# [0,2,3,4,5,6,8,9],[1,7]kf = KFold(n_splits = 5, random_state=2001, shuffle=True)# 保存当前最好的k值和对应的准确率best_k = ks[0]best_score = 0# 循环每一个k值for k in ks: curr_score = 0 for train_index,valid_index in kf.split(X): # 每一折的训练以及计算准确率 clf = KNeighborsClassifier(n_neighbors=k) clf.fit(X[train_index],y[train_index]) curr_score = curr_score + clf.score(X[valid_index],y[valid_index]) # 求一下5折的平均准确率 avg_score = curr_score/5 if avg_score > best_score: best_k = k best_score = avg_score print("current best score is :%.2f" % best_score,"best k:%d" %best_k) print("after cross validation, the final best k is :%d" %best_k)
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 。
最后更新于 2021-11-08 08:13:33 并被添加「」标签,已有 位童鞋阅读过。
本站使用「署名 4.0 国际」创作共享协议,可自由转载、引用,但需署名作者且注明文章出处
相关文章
- 江西特产零食品小吃大桃酥饼宫廷干整箱散装老式早餐休闲酥饼糕点
- typecho自定义首页keywords和Description内容
- XP系统停止维护之后无光盘怎么安装Win7系统
- 贵州特产柴火胡辣椒面辣椒粉四川糊辣椒特辣蘸水油泼辣子干辣椒
- 如何在C语言中输入字符变量(C语言中字符变量的输入和输出)