python如何实现K折交叉验证？一文带你看懂
发布时间：2022-02-22 13:39:05 所属栏目：语言 来源：互联网
导读：今天给大家分享的是关于python实现K折交叉验证的内容，本文有实例和详细注释供大家参考，对大家理解python实现K折交叉验证有一定的帮助，接下来跟随小编一起看看吧。 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 np from sk
|
今天给大家分享的是关于python实现K折交叉验证的内容，本文有实例和详细注释供大家参考，对大家理解python实现K折交叉验证有一定的帮助，接下来跟随小编一起看看吧。 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 np from sklearn import datasets from sklearn.neighbors import KNeighborsClassifier from 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.data y = iris.target print(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) （编辑：安阳站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
