2回答
from sklearn.model_selection import KFold
cv =我也很困惑，rmse能大于100吗？我从一些回归模型中得到了一些值，比如121。rmse是用来告诉你你的模型总体上有多好，还是只告诉你你的模型与其他模型相比有多好？ rmse = 121
浏览 368提问于2021-10-04得票数 0
回答已采纳
我正在使用交叉验证来评估我的ML模型，但现在我想了解误差的分布，即当特定数据点在测试集中时，我想获得它们的平均误差。from sklearn import linear_model
scores = cross_val_score(lm, X, y, scoring='neg_mean_squared_error
浏览 13提问于2019-10-08得票数 0
我正在研究如何为sklearn.neighbors.KNeighborsRegressor构建一个工作流，其中包括：
sklearn.pipeline.Pipeline
s
浏览 10提问于2017-07-17得票数 4
回答已采纳
我使用这段代码对catboost.However进行交叉验证，它已经运行了10个小时，控制台仍然在输出，交叉验证显然超过5轮。from sklearn.model_selection import train_test_split# from sklearn.model_selectiontrain_data['target']
model =
浏览 1提问于2020-12-15得票数 2
回答已采纳
为了检查这一点，我尝试使用sklearn.model_selection.cross_validate，但是我在理解结果时遇到了问题。首先，我通过拟合所有的训练数据来计算RMSE，然后用拟合模型“预测”训练数据输出，并与训练输出(与我用来拟合的相同)进行比较。其次，我使用相同的培训数据，但应用sklearn.model_selection.cross_validate如下：
cross_validate( predictor, features, targets我非常有兴趣使用<
浏览 16提问于2019-12-08得票数 0
1回答
如何舍入预测
、、
当我在sklearn中使用交叉验证时，它会返回一个RMSE值。RMSE值由预测的y值(例如，7.11) -实际y值(例如，6)的均方根计算得出。我想使用四舍五入的预测y值的均方根(例如，round(7.11) = 7) -实际的y值(例如，6)来计算RMSE。我该怎么做呢？我使用python。谢谢。
浏览 13提问于2020-03-20得票数 0
当我直接做一个简单的线性回归与一个可以接受任何建模参数并进行交叉验证的函数时，我得到了不同的结果。对我来说，这似乎是唯一的区别，但为什么结果会如此不同。直接使用linear_model.LinearRegression()from scipy.sparse import csr_matrix
浏览 1提问于2017-08-18得票数 1
回答已采纳
1回答
随机林中的超参数整定
、、、、
我试着在数据集上使用随机森林算法来预测房价，medv在sklearn的.In的帮助下，我尝试了以下3 iterations#1. import the class/modelTest': 2.9850839211419435, 'RMSE Train': 1.2291604936401441}
迭代2：我使用获得超参数的最佳值。Test': 3.2836794902147926, 'RMSE
浏览 1提问于2018-11-29得票数 4
4回答
我想使用xgboost cv函数为我的培训数据集找到最佳参数。我对api感到困惑。怎样才能找到最好的参数？这类似于sklearn grid_search交叉验证函数吗？from sklearn.datasets import load_irisiris = load_iris() test-rmse-mean test-rmse-std train-<em
浏览 4提问于2015-12-26得票数 22
回答已采纳
我是一个初学者，遵循Aurelien Geron关于ML和SKLEARN的教程。当我用以下内容测试我的预测时：lin_rmse现在，当我运行相同方法的交叉验证时，我从这个世界中获得了值：
lin_scores = cross_val_score(lin_reg, listing
浏览 14提问于2020-05-11得票数 0
回答已采纳
1回答
当我将Lasso回归应用于数据并计算RMSE值时，RMSE值为13.11。我认为RMSE值应该接近于零。回归模型中RMSE的允许值是多少？计算中有什么会出错呢？我的代码：reg = linear_model.Lasso(alpha = .00001)ans=reg.predict(Xts)from sklearn.metrics import mean_square
浏览 0提问于2018-03-20得票数 3
3回答
如何求多项式的最佳次数？
、、、
首先，我使用线性回归来拟合训练集，但得到了非常大的RMSE。然后我尝试使用多项式回归来减少偏差。import numpy as npfrom sklearn.preprocessing importPolynomialFeatures
poly_features = PolynomialFea
浏览 0提问于2017-11-23得票数 4
回答已采纳
我正在使用一个定制的内核SVR构建一个模型，它研究了我的一些dataframe特性，并检查了每对数据点之间的接近/距离。采用交叉验证的方法对特征进行分类，并计算出权重。以均方根误差计算的原始结果如下：RMSE (training_set): 6.56有标准化数据的新结果如下我将数据分解为训练/测试/验证后，将其规范
浏览 0提问于2020-09-05得票数 1
1回答
我已经建立了一个神经网络来进行回归。但是，如果在进行预测之前执行交叉验证，输出就会发生变化。下面是有交叉验证和没有交叉验证的图表。带有交叉验证的
用于交叉验证的代码from sklearn
浏览 3提问于2019-09-17得票数 0
我想写一个函数，它允许我使用sklearn.model_selection的cross_val_score函数计算通过5个样本交叉验证获得的均方根误差。(知道cross_val_score()函数的评分参数允许选择我们想要使用的度量。)我找到了这个方法，但它不符合问题： def rmse(predictions, targets):
return np.sqrt(((predictions - targets)**2).mean
浏览 169提问于2021-06-17得票数 0
回答已采纳
2回答
10折交叉验证并获得RMSE
、、、、
我正在尝试使用scikit learn中的KFold模块，将我在完整数据集上执行多重线性回归所获得的均方根误差与10倍交叉验证的均方根误差进行比较。return ws
initial_regress_RMSE = np.sqrt(n
浏览 1提问于2019-10-17得票数 1
RMSE和accuracy_scores函数并进行KFold交叉验证)。#RMSEprint("RMSE: %f" % (rmse))
from sklearn.metric
浏览 0提问于2019-12-03得票数 7
回答已采纳
XGBoost库通过xgboost.cv()拥有自己的交叉验证的实现。看起来，它需要将数据存储为DMatrix。不用使用xgboost.cv()，我可以使用XGBoost的雪橇与GridSearchCV()、RandomizedGridCV或cross_validate()一起使用sklearn执行交叉验证。如果我使用交叉验证的sklearn实现，我可以使用pan
浏览 0提问于2022-12-28得票数 0
我主要想做的是在RF模型上做一个10折的交叉验证。=‘阿姆斯特丹’ 10折交叉验证，1/10的阿姆斯特丹作为测试数据，9/10的阿姆斯特丹+所有的without_amsterdam作为每折的训练数据。到目前为止，我编写的代码如下： from sklearn.model_selection import KFold, cross_val_score
rmse = np.sqrt(-score
浏览 222提问于2021-05-09得票数 0
我可以看出存在一些过度拟合的情况，因为我的初始值与交叉验证值之间的关系如下：我已经对RF和DT的超参数进行了调整，所以我考虑将特征选择作为降低某些过度拟合的下一步(特别是因为我知道我的特性
浏览 0提问于2021-01-14得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
