数学建模国赛:python机器学习基础之训练集和测试集拆分、算法精确率评估

简介: 数学建模国赛:python机器学习基础之训练集和测试集拆分、算法精确率评估

在实际训练中,经常会把训练数据进一步拆分成训练集和测试集这样有助于模型选取。


想要数据集或者有不明白的请点赞关注后私信博主


Sklearn中的train_test_spilt函数是交叉验证常用的函数,功能是从样本中随机地按比例选取训练集和测试集


原数据如下:

1666425527561.jpg

拆分后效果如下

1666425539917.jpg1666425548867.jpg


ton代码如下

from sklearn import  preprocessing
from sklearn.model_selection import  train_test_split
import pandas as pd
import  numpy as np
data1=pd.read_csv(r'CatInfo.csv',",")
print(data1)
df=pd.DataFrame(data1)
car_train_x,cat_test_x,cat_train_y,cat_test_y=train_test_split(df['Lwsk'],df['LEar'],test_size=0.3,random_state=0)
print('trainx\n',car_train_x)
print('trainy\n',cat_train_y)
print('testx\n',cat_test_x)
print('testy\n',cat_test_y)


同样地 对训练出来的结果进行精确率的评估也是非常重要的sklearn里同样提供里评估的函数


具体评估因子有 1:精确率 2:召回率 3:F-measure指数等等


效果图如下

1666425517005.jpg


代码如下

from sklearn.metrics import classification_report
y_true=[0,1,2,2,2]
y_pred=[0,0,2,2,1]
print(classification_report(y_true,y_pred))


目录
打赏
0
0
0
0
140
分享
相关文章
在数据驱动时代,A/B 测试成为评估机器学习项目不同方案效果的重要方法
在数据驱动时代,A/B 测试成为评估机器学习项目不同方案效果的重要方法。本文介绍 A/B 测试的基本概念、步骤及其在模型评估、算法改进、特征选择和用户体验优化中的应用,同时提供 Python 实现示例,强调其在确保项目性能和用户体验方面的关键作用。
74 6
在数据驱动时代,A/B 测试成为评估机器学习项目效果的重要手段
在数据驱动时代,A/B 测试成为评估机器学习项目效果的重要手段。本文介绍了 A/B 测试的基本概念、步骤及其在模型评估、算法改进、特征选择和用户体验优化中的应用,强调了样本量、随机性和时间因素的重要性,并展示了 Python 在 A/B 测试中的具体应用实例。
51 1
自动化测试的未来:AI与机器学习的融合之路
【10月更文挑战第41天】随着技术的快速发展,软件测试领域正经历一场由人工智能和机器学习驱动的革命。本文将探讨这一趋势如何改变测试流程、提高测试效率以及未来可能带来的挑战和机遇。我们将通过具体案例分析,揭示AI和ML在自动化测试中的应用现状及其潜力。
78 0
基于FPGA的图像双线性插值算法verilog实现,包括tb测试文件和MATLAB辅助验证
本项目展示了256×256图像通过双线性插值放大至512×512的效果,无水印展示。使用Matlab 2022a和Vivado 2019.2开发,提供完整代码及详细中文注释、操作视频。核心程序实现图像缩放,并在Matlab中验证效果。双线性插值算法通过FPGA高效实现图像缩放,确保质量。
基于Retinex算法的图像去雾matlab仿真
本项目展示了基于Retinex算法的图像去雾技术。完整程序运行效果无水印,使用Matlab2022a开发。核心代码包含详细中文注释和操作步骤视频。Retinex理论由Edwin Land提出,旨在分离图像的光照和反射分量,增强图像对比度、颜色和细节,尤其在雾天条件下表现优异,有效解决图像去雾问题。
基于遗传优化算法的风力机位置布局matlab仿真
本项目基于遗传优化算法(GA)进行风力机位置布局的MATLAB仿真,旨在最大化风场发电效率。使用MATLAB2022A版本运行,核心代码通过迭代选择、交叉、变异等操作优化风力机布局。输出包括优化收敛曲线和最佳布局图。遗传算法模拟生物进化机制,通过初始化、选择、交叉、变异和精英保留等步骤,在复杂约束条件下找到最优布局方案,提升风场整体能源产出效率。
基于包围盒的机械臂防碰撞算法matlab仿真
基于包围盒的机械臂防碰撞算法通过构建包围盒来近似表示机械臂及其环境中各实体的空间占用,检测包围盒是否相交以预判并规避潜在碰撞风险。该算法适用于复杂结构对象,通过细分目标对象并逐级检测,确保操作安全。系统采用MATLAB2022a开发,仿真结果显示其有效性。此技术广泛应用于机器人运动规划与控制领域,确保机器人在复杂环境中的安全作业。

热门文章

最新文章