当验证数据已经作为坚持集存在时，有没有办法绘制训练和验证数据的学习曲线？据我所知，sklearn learning_curve()没有提供这样的参数。
浏览 17提问于2020-06-29得票数 1
我想知道sklearn.model_selection learning_curve是否可以使用或确实使用sklearn.preprocessing StandardScaler。我已经看过了实现，但我的技术水平还不够高，不能靠我自己得出结论。所有关于使用learning_curve的教程都会让你将整个数据集传递给learning_curve，learning_curve会将数据分成训练集和测试集。任何估计器的所有教
浏览 0提问于2018-09-13得票数 2
我想用它来绘制学习曲线，比较不同训练集大小的训练和验证误差，以便识别过拟合和其他问题。似乎找不到任何关于如何做这件事的信息。
浏览 0提问于2016-04-12得票数 3
回答已采纳
1回答
学习曲线Sklearn
、、、
我在波士顿数据集上尝试随机森林算法来预测medv的房价，并借助sklearn的RandomForestRegressor进行预测。我不理解我是应该通过X, y还是只将训练子集X_train, y_train传递给learning_curve。的工作几乎没有其他问题
测试数据集的大小是根据列表train_sizes中提到的列车数据集的大小而变化的，还是总是固定的(根据训练/
浏览 0提问于2018-12-03得票数 2
回答已采纳
1回答
我想知道我申请的learning_curve()的结果：> (1360, 2)> (1360, 2)
根据这个，我首先应该做的事情是：
决定训练集</e
浏览 5提问于2019-11-01得票数 0
回答已采纳
1回答
学习曲线Sklearn
、、、
我在数据集上尝试随机森林算法来预测medv的房价，并借助sklearn的进行预测。learning_curves(estimator, X, y, train_sizes, cv):
我只是不明白是传递整个数据集，而不是只有train subset是正确的或不正确的
浏览 1提问于2018-12-03得票数 3
2回答
我一直在使用sklearn learning_curve，我有几个问题没有得到文档的回答(也请参阅这里和这里)，还有一些问题是由函数提出的。以下是我的数据集模型中的一些学习曲线产生它们的代码：axes[0,1].plot(train_si
浏览 0提问于2021-10-12得票数 2
回答已采纳
但是如果我把这些参数保持不变，输出将是相同的。
我将ShuffleSplit对象设置为使用10%用于培训，10%用于测试，并使用3次迭代。我这样做是为了避免这样一种可能性:培训/测试集的内容是相同的，即使它们的排序不同。ShuffleSplit应该采用随机索引来生成每个集合(我已经验证了它是这样做的)。所以，如果训练集在以后的运行中是不同的，甚至是轻微的，Bayes模型应该有不同的
浏览 0提问于2014-08-19得票数 0
回答已采纳
我的y数据(类)如下：返回：然而，当我运行这段代码来绘制学习曲线时，我会得到一个值错误，声称只有一个类更新: error已经发生了一些变化，请检查注释：
train_
浏览 7提问于2016-03-30得票数 1
回答已采纳
我正在使用(版本0.17)来选择数据集上的理想模型。使用GridSearchCV在训练集上选择理想的k近邻分类器.
从情节，我们可以看到，得分的最大值。培训规模约为0.43。但是，当我在测试
浏览 3提问于2016-02-06得票数 9
回答已采纳
我有一个关于滑雪板上糖尿病数据集的问题。ing: y中人口最少的类只有一个成员，这对于任何类来说都是过于灵活的标签数量不能少于n_folds=3。代码正在策划一个奇怪的结果。训练数据集有一个很高的分数(总是1，因为它是一棵树，这可能是有意义的)，但是测试分数表现很差(最好是0.03125)。from sklearn.d
浏览 3提问于2016-03-10得票数 0
import pandas as pdfrom sklearn.model_selection import learning_curve
plot_learning_curve(estimator=clf, title="Test", X=X, y=y, cv=10)unacc 1210所以有两个类别，一个比另一
浏览 0提问于2018-09-17得票数 0
回答已采纳
我有一个独立的训练和测试数据(从不同的CSV加载到不同的pandas数据框中)，我想用这些训练和测试数据绘制学习曲线，而不是使用交叉验证从训练集本身生成训练和测试数据(这似乎是learning_curve的常见工作方式)。似乎scikit希望你的测试和训练数据出现在同一个Dataframe中，但这样分类器也会学习测试数据，这不是我想要的。
我该如何着手解决这个问题呢？我是第一次接触科学工具包。
浏览 3提问于2015-09-20得票数 2
1回答
我正在试验，我想知道是否有可能在测试集和测试集上达到损失曲线，以便在测量损失后完成多输出回归任务。我试过的是：import numpy as np#fromreg.loss_curve_)
我不确定是否
浏览 9提问于2022-03-01得票数 -1
我还在进行5倍交叉验证，据我所知，这意味着将您的培训数据分成5部分，对其中4个数据进行培训，并对最后一个部分进行测试。所以我的问题是，因为对于LearningCurve中的每个数据点，训练集的大小是不同的(因为我们想看看模型将如何随着数据量的增加而运行)，那么在这种情况下交叉验证是如何工作的呢？或者将当前的分数训练集分成五个不同的小部分，然后计算测试分数？是否有可能得到每个数据点的
浏览 1提问于2020-05-31得票数 1
回答已采纳
我使用Scikit-Learn的Logistic回归算法来执行数字分类。我使用的数据集是Scikit-Learn的load_digits。下面是我的代码的简化版本： import pandas as pd
import matplotlib.pyplot as plt
import seaborn aslearning_curve生成的最后一张图中可以看出，训练集上的误差始终为0
浏览 6提问于2020-09-24得票数 0
数据集有点倾斜，大小约为150、1000、1000、1000和150。Users/carrier24sg/.virtualenvs/ml/lib/python2.7/site-packages/sklearn/learning_curve.py", line 135, in learning_curvevalidate_targetsValueError: The number of classes has to be greater
浏览 4提问于2014-09-26得票数 2
回答已采纳
1回答
我使用python学习工具集。我使用的数据集有总楼面面积和公寓位置，我已将其转换为虚拟特征。因此，数据集看起来如下：
training_sizes, training_scores, validation_scores = learning_curve(：
在交叉验证集上的巨大误差错误没有在训练样本数量上稳步减少。仅训练
浏览 1提问于2020-03-13得票数 2
回答已采纳
我正在编写一个小程序来绘制具有交叉验证的数据集的SVM和朴素贝叶斯的学习曲线。这是绘图函数的代码。sklearn.svm import SVCfrom sklearn.learning_curve import learning_curveNB and SVM') plt.ylim(*ylim)
train_sizes_
浏览 4提问于2015-01-22得票数 4
回答已采纳
1回答
在绘制一条学习曲线以查看模型构建的进展情况时，我意识到验证精度曲线是一条从起点开始的直线。我想这可能是由于将数据分割成训练集和验证集的错误，但是当我迭代它100次时，我仍然得到了大致相同的图。我计算精确分数的方法有错误吗？
而且，我的模型的准确性并不高，我怀疑我的模型不合适，有什么明显的方法可以改进它吗？(我没有办法获得更多的数据，那么特性工程也是这样吗？)def lear
浏览 2提问于2020-11-17得票数 5
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
