- 博客(4)
- 收藏
- 关注
RSS订阅原创 如何保留所做的机器学习模型（含10次分层抽样的10个模型）,以及后续调用模型来减少模型训练都要重头来过的惨案
这样每次运行程序时，都会得到相同的训练集和验证集，从而保证了每个模型都是通过10次分层抽样得到的。的文件，每个文件都保存了一个训练好的模型，这些模型就是通过10次分层抽样得到的。碎碎念一下：随机森林真的run的 time很9命。下次想要使用这些保存的模型进行预测时，只需要加载。保证下次是10次分层抽样需要在划分数据集时。在运行完上述代码后，会得到10个名为。(random_state)和。
2023-05-16 21:47:06
127
1
原创 特征提取 （1） 递归特征消除参数说明与练习 sklearn.feature_selection.RFECV
做特征提取 （1）数据的特征多，学习一下sklearn.feature_selection.RFECV.通过消除递归特征和交叉验证最佳特征数选择来进行特征排名。estimator:Estimator instanceA supervised learning estimator with a fit method that provides information about feature importance either through a coef_ attribute or throu
2021-05-08 11:30:30
9131
5
原创 Python sklearn 机器学习数据摆放
根据官网教程是需要X(数据)和y(分类)的2x2的数据，怎么摆放啊.?自己动手，丰衣足食经过sklearn处理的数据都是array 形态先调入创建数据 ss.csv，300,400,500这个是特征。ABC是样品号,class是分类。from sklearn import svmimport pandas as pddata=pd.read_csv('ss.csv')#只要数据X=data.iloc[:,2:].values#分类标签 这里是dataframe转ndarray
2021-04-16 21:05:16
138
原创 Python sklearn预处理 StandardScaler 之数据行列如何摆放
预处理之数据行列如何摆放*主要给自己看的，写的不优秀请见谅要做数据预处理，一直弄不懂行列怎么放，所以弄一下数据集测试。先创建个ss.csv列1为样品名称，列2为分类，其他为特征值（波长）（按等差排列）import numpy as np#读取数据data=pd.read_csv(’ss.csv')#不要name 跟classnew_da=data.iloc[:,2:]#name和 class另外抓出来new_label=data.iloc[:,0:2]#导入标准化fro
2021-04-16 18:54:21
955
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人