python--autosklearn--holdout_holdout method python-优快云博客

博客围绕Python和Auto-sklearn的Holdout展开，虽未给出具体内容，但推测是关于利用Python结合Auto-sklearn进行机器学习模型评估时采用Holdout方法，Holdout是常见的数据集划分策略，用于模型训练和测试。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import sklearn.model_selection
import sklearn.datasets
import sklearn.metrics
import autosklearn.classification


def main():
    X, y = sklearn.datasets.load_breast_cancer(return_X_y=True)
    X_train, X_test, y_train, y_test = \
        sklearn.model_selection.train_test_split(X, y, random_state=1)

    automl = autosklearn.classification.AutoSklearnClassifier(
    	# 寻找合适模型所用的时间
        time_left_for_this_task=120,
        # 每一个机器学习模型所用的时间
        per_run_time_limit=30,
        tmp_folder='/tmp/autosklearn_holdout_example_tmp',
        output_folder='/tmp/autosklearn_holdout_example_out',
        # 一般设置为False,设置为'model',不保存任何模型文件，设置为'y_optimization',不保存优化/验证集的预测
        disable_evaluator_output=False,
        # 设置resampling的策略为holdout
        resampling_strategy='holdout',
        # 设置resampling的比例为1:2
        resampling_strategy_arguments={'train_size': 0.67}
    )
    automl.fit(X_train, y_train, dataset_name='breast_cancer')
    # 展示最后我们获取的最佳模型
    print(automl.show_models())
    predictions = automl.predict(X_test)
    # 展示模型的状态
    print(automl.sprint_statistics())
    print("Accuracy score", sklearn.metrics.accuracy_score(y_test, predictions))


if __name__ == '__main__':
    main()