Longtermevolution的博客

最近使用python进行数据集的划分。使用到了交叉验证（Cross-validation），需要整理sklearn.model_selection.KFold函数的参数设定和使用实例。整理如下：1、Cross-validation交叉验证附注：官方文档链接：https://scikit-learn.org/dev/modules/cross_validation...

１．stacking思想基本思想：将各个弱学习器的学习成果，并行结合起来，形成以预测值（标签）为数据的训练集，用来训练下一层学习器。实例：假设我们整个training set包含10000行数据，testing set包含2500行数据，那么每一次交叉验证其实就是对training set进行划分，在每一次的交叉验证中training data将会是8000行，test...

针对实际数据集，使用集成学习stacking方法，进行分类问题的预测。主要是数据集在python种的导入方法。数据集为泰坦尼克号数据集。1、导入csv文件：read_csv函数 、官方文档：https://pandas.pydata.org/pandas-docs/stable/reference/index.htmlimport pandas as pd ...

1、参数意义，参考网址：https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.htmln_estimators：森林中数的个数。这个属性是典型的模型表现与模型效率成反比的影响因子，即便如此，你还是应该尽可能提高这个数字，以让你的模型更准确更稳定。...

1、问题描述：使用将5个弱学习器结合起来的强学习器，实现对DDos攻击的识别。# coding=utf8import pandas as pd #导入pandas包import numpy as npfrom sklearn import datasetsfrom sklearn.ensemble import RandomFore...