6、机器学习中的模型前工作流、预处理与降维技术

机器学习中的模型前工作流、预处理与降维技术

1. 模型前工作流与预处理

在机器学习中，模型前的工作流和预处理是非常重要的环节。

1.1 模型选择

在某些情况下，数组 alphas 与 cross_val_score 不兼容，不能通过查看最终图形来确定最佳模型。最终选择的模型是 gpr7n ，其中 alpha=7 且 normalize_y=True 。

1.2 不确定性估计

为了理解估计中的不确定性，当将 eval_MSE 参数设置为 true 时，可以得到均方误差（MSE）和预测值。示例代码如下：

test_preds, MSE = gpr7n.predict(boston_X[~train_set], return_std=True)
MSE[:5]

输出结果类似：

array([ 1.20337425,  1.43876578,  1.19910262,  1.35212445,  1.32769539])

可以使用以下代码绘制带有误差线的预测图：

f, ax = plt.subplots(figsize=(7, 5))
n = 133
rng = r