交叉验证 2 Cross-validation
作者: 莫烦 发布于: 2016-01-01
编辑: 学习资料:
sklearn.learning_curve
中的 learning curve 可以很直观的看出我们的 model 学习的进度, 对比发现有没有 overfitting 的问题. 然后我们可以对我们的 model 进行调整, 克服 overfitting 的问题.
Learning curve 检视过拟合¶
加载对应模块:
加载digits数据集,其包含的是手写体的数字,从0到9。数据集总共有1797个样本,每个样本由64个特征组成, 分别为其手写体对应的8×8像素表示,每个特征取值0~16。
观察样本由小到大的学习曲线变化, 采用K折交叉验证 cv=10
, 选择平均方差检视模型效能 scoring='mean_squared_error'
, 样本由小到大分成5轮检视学习曲线(10%, 25%, 50%, 75%, 100%)
:
可视化图形: