【sklearn样例学习笔记】（1）利用交叉验证绘制预测结果

该demo基于sklearn中的boston房价数据集和线性回归模型linear_model，使用交叉验证方法进行模型训练。

from sklearn import datasets
from sklearn.model_selection import cross_val_predict
from sklearn import linear_model
import matplotlib.pyplot as plt

# 模型调用
lr = linear_model.LinearRegression()
# 数据准备
boston = datasets.load_boston()
x = boston.data
y = boston.target

# 交叉验证方法使用
# 其中lr是底层的estimator，x和y是训练数据，cv是交叉验证k折法相应的k参数，默认是3折
# 这里我们自定义20折
predicted = cross_val_predict(lr, x, y, cv=20)

fig, ax = plt.subplots()
ax.scatter(y, predicted, c="blue", edgecolors="yellow")
ax.plot([y.min(), y.max()], [y.min(), y.max()], 'k', lw=2)
ax.set_xlabel('y')
ax.set_ylabel('prediction')
plt.show()

结果如下，横坐标代表原始标签y值，纵坐标代表预测标签predicted；其中，图中的黑色虚线是y值和predicted值理论上的最合理分布情况，而各个蓝色原点是y值和predicted值的真是对应情况。