机器学习-模型选择

妮酱也爱敲代码

于 2021-03-22 22:08:53 发布

阅读量268

点赞数

分类专栏：机器学习文章标签：机器学习

本文链接：https://blog.youkuaiyun.com/lildn/article/details/115102046

版权

本文深入探讨了机器学习中的模型选择过程，包括交叉验证、训练集与验证集的划分、模型评估指标以及如何根据业务需求平衡准确率与复杂度。通过对不同模型如决策树、SVM和神经网络的比较，阐述了如何选择最适合的模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第八课 机器学习简单介绍
第九节 模型选择
# 引入包
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
准备数据集
# 加载数据
iris_data = pd.read_csv('./dataset/iris.csv')

# 获取特征
X = iris_data[['sepal_length', 'sepal_width', 'petal_length', 'petal_width']].values

# 获取标签
y = i