machine-learning - 关于使用 cross_val_score 进行预测的工作流程
问题描述
我想确认使用cross_val_score
sklearn 进行预测的工作流程。
像这样使用 Logistic 回归模型初始化估计器:
model = LogisticRegression(solver="lbfgs", max_iter=1000)
使用模型、selected_X、selected_Y 和 cv 等参数调用 cross_val_score:
scores = cross_val_score(model, selected_X, selected_Y, cv=10)
获取分数的均值和标准,看看分数是否可以接受,如果不是,在步骤 1 中调整模型参数。如果是,通过调用来拟合模型:
model.fit(selected_X, selected_Y)
最后,使用模型预测数据:
predict_Y = model.predict(predict_X)
请让我知道我的理解是否正确。
解决方案
推荐阅读
- javascript - Mongoose:TypeError:无法读取未定义的属性“findOne”
- amazon-web-services - API 网关选项方法抛出 403
- node.js - Node js 服务器和 Apache ab 工具:意外行为
- javascript - 渲染从道具接收到的画布对象
- typescript - 带接口的 typehint 类构造函数
- css - CSS:在不使用浮动的情况下将 div 2 对齐一行
- python-3.x - (非)可迭代的 Python list() 函数
- jhipster - 无法使用 Spring Cloud ContextRefresher 重新绑定 JHipsterProperties 属性
- react-admin - 如何向 react-documentation 添加新的数据提供者?
- c# - 身份 server4 在部署到生产环境时,连接/令牌端点出现“invalid_grant”错误