機器學習 構建機器學習流水線

2021-08-15 07:55:18 字數 1069 閱讀 3512

from sklearn.datasets import samples_generator

from sklearn.ensemble import randomforestclassifier

from sklearn.feature_selection import selectkbest, f_regression

from sklearn.pipeline import pipeline

#生成樣本資料,可以通過修改n_feature引數來修改特徵向量的維數

x, y = samples_generator.make_classification(

n_informative=4, n_features=20, n_redundant=0, random_state=5)

#特徵選擇器

selector_k_best = selectkbest(f_regression, k = 10)

#隨機森林分類器

classifier = randomforestclassifier(n_estimators=50, max_depth=4)

#建立流水線

pipelineclassifier = pipeline([('selector', selector_k_best),('rf', classifier)])

#可以使用如下方法更新這些引數

#pipelineclassifier.set_params(selector__k = 6, rf_n_estimators = 25)

#訓練分類器

pipelineclassifier.fit(x, y)

#**輸出結果

predict = pipelineclassifier.predict(x)

print('predictions:\n', predict)

#評價分類器的效能

CPU設計學習 流水線

if instruction fetch,取指 id instruction decode,解碼 ex execute,執行 mem memory access,記憶體資料讀或者寫 wb write back,資料寫回到通用暫存器中 並不是所有指令都要經過這五個階段,例如運算指令在記憶體讀寫階段並沒...

jenkins流水線學習(groove)

一 建立專案 1 在建立專案型別時選擇流水線 pipeline 專案 2 在建立頁面的pipeline區域 型別預設是pipeline script 輸入框右上角有示例選擇,選擇其中乙個後,點選儲存。3 構建 這樣乙個簡單的流水線demo就完成了 一般我們型別選擇pipeline script fr...

Unity Shader學習筆記 渲染流水線

渲染流程分為3個階段,應用階段 幾何階段 光柵化階段 這個階段由cpu實現 開發者對應用階段有絕對的控制權,開發者將場景資料準備好,例如攝像機的位置,場景包含了哪些模型。其中,通常為了提高渲染的效率,開發者會將不可見的物體剔除,稱之為粗粒剔除。最後我們會設定好模型的渲染狀態 例如材質,紋理,使用的s...