一、學習內容
task4-建模調參
線性回歸模型：
模型效能驗證：
嵌入式特徵選擇：
模型對比：
模型調參：
model=linearregression(normalize=true)
model=model.fit(train_x,train_y)
print(『intercept:』,model.intercept_)
print(sorted(dict(zip(continuous_feature_names,model.coef_)).items(),key=lambda x:x[1],reverse=true))
#對標籤進行log變換，使其更接近於正態分佈
train_y_ln=np.log(train_y+1)
2.多種模型比較
from sklearn.linear_model import linearregression
from sklearn.linear_model import lasso,ridge
models=[linearregression(),
lasso(),
ridge()]
result=dict()
for model in models:
model_name=str(model).split(』(』)[0]
scores=cross_val_score(model,x=train_x,y=train_y_ln,verbose=0,cv=5,scoring=make_scorer(mean_absolute_error))
result[model_name]=scores
print(model_name+』 is finished!』)
result=pd.dataframe(result)
result.index=[『cv』+str(x) for x in range(1,6)]
print(result)
3.非線性模型
from sklearn.linear_model import linearregression
from sklearn.svm import svc
from sklearn.tree import decisiontreeregressor
from sklearn.ensemble import randomforestregressor,gradientboostingregressor
from sklearn.neural_network import mlpregressor
from xgboost.sklearn import xgbregressor
from lightgbm.sklearn import lgbmregressor
『』』models=[linearregression(),
decisiontreeregressor(),
randomforestregressor(),
gradientboostingregressor(),
mlpregressor(solver=『lbfgs』,max_iter=100),
xgbregressor(n_estimators=100,objective=『reg:squarederror』),
lgbmregressor(n_estimators=100)]
result=dict()
for model in models:
model_name=str(model).split(』(』)[0]
scores=cross_val_score(model,x=train_x,y=train_y_ln,verbose=0,cv=5,scoring=make_scorer(mean_absolute_error))
result[model_name]=scores
print(model_name+』 is finished!』)
4.模型調參
from sklearn.model_selection import gridsearchcv
parameters=
model=lgbmregressor()
clf=gridsearchcv(model,parameters,cv=5)
clf=clf.fit(train_x,train_y)
print(clf.best_params_)
《機器學習基礎》組隊學習第四次打卡
條件隨機場 馬爾可夫過程 隱馬爾科夫演算法 條件隨機場 以線性鏈條件隨機場為例 實踐 import numpy as np class crf object 實現條件隨機場 問題的維特比演算法 definit self,v,vw,e,ew param v 是定義在節點上的特徵函式，稱為狀態特徵 pa...
第四次打卡
文章目錄 一 批量歸一化和殘差網路 二 凸優化 三 梯度下降 四 目標檢測基礎 五 影象風格遷移 六 影象分類案例1 七 影象分類案例2 八 gan 九 dcgan 十 總結 一 批量歸一化和殘差網路 批量歸一化 1 對全連線層做批量歸一化 2 對卷積層做批量歸 化 3 時的批量歸 化 殘差網路 1...
pandas第四次打卡
第4章 變形 import numpy as np import pandas as pd df pd.read csv data table.csv df.head 一 透視表 1 pivot 一般狀態下，資料在dataframe會以壓縮 stacked 狀態存放，例如上面的gender，兩個類別...