机器学习之学习曲线绘制Python-skleran
学习曲线作用:
学习曲线是什么?简单来说,就是用学习曲线(learning curve)来判断模型状态:过拟合还是欠拟合。
学习曲线定义:
学习曲线是根据不同训练集大小,模型在训练集和验证集上的得分变化曲线。
学习曲线通俗解释:
也就是以样本数为横坐标,训练和交叉验证集上的得分(如准确率)为纵坐标。learning curve可以帮助我们判断模型现在所处的状态:过拟合(overfiting / high variance) or 欠拟合。
模型欠拟合、过拟合、 时对应的学习曲线如下图所示:
对上图的解释:
(1)左上角的图中训练集和验证集上的曲线能够收敛。在训练集合验证集上准确率相差不大,却都很差。这说明模拟对已知数据和未知都不能进行准确的预测,属于高偏差(欠拟合)。这种情况模型很可能是欠拟合。可以针对欠拟合采取对应的措施。
欠拟合措施:我们可以增加模型参数(特征),比如,构建更多的特征,减小正则项。采用更复杂的模型。此时通过增加数据量是不起作用的。(为什么?)
(2)右上角的图中模型在训练集上和验证集上的准确率差距很大。说明模型能够很好的拟合已知数据,但是泛化能力很差,属于高方差(过拟合)。模拟很可能过拟合,要采取过拟合对应的措施。
过拟合措施:我们可以增大训练集,降低模型复杂度,增大正则项,或者通过特征选择减少特征数,即做一下feature selection,挑出较好的feature的subset来做training
(3)理想情况是找到偏差和方差都很小的情况,即收敛且误差较小。如右角的图(完美)
Python代码(sklearn库):
train_sizes, train_scores, test_scores = learning_curve(estimator, X, y, cv=cv, n_jobs=n_jobs, train_sizes=[0.1,0.25,0.5,0.75,1])print(train_sizes)print(train_scores)print(test_scores)
train_scores_mean = np.mean(train_scores, axis=1)
train_scores_std = np.std(train_scores, axis=1)
test_scores_mean = np.mean(test_scores, axis=1)
test_scores_std = np.std(test_scores, axis=1)
[ 143 359 718 1077 1437]
[[0.93006993 0.94405594 0.95104895 0.87412587 0.95804196][0.8718663 0.90529248 0.91643454 0.88022284 0.90807799][0.8718663 0.86908078 0.90807799 0.88857939 0.8816156 ][0.86258124 0.88857939 0.89415042 0.87093779 0.87743733][0.8559499 0.86986778 0.87543493 0.86499652 0.85247042]]
[[0.79722222 0.73611111 0.68888889 0.76388889 0.74444444][0.81944444 0.86111111 0.83611111 0.83055556 0.825 ][0.82777778 0.86666667 0.84722222 0.85555556 0.85 ][0.83611111 0.89444444 0.85277778 0.85277778 0.84444444][0.825 0.89444444 0.85 0.86111111 0.86944444]]
learning_curve函数中参数解释:
estimator表示我们所使用的的估计器 X输入的feature y : 输入的target CV: 做训练集切割成训练集和验证集的时候的折数,cv=5就是5折交叉验证。 train_sizes: 随着训练集的增大,选择在10%,25%,50%,75%,100%的训练集大小上进行采样。比如(CV= 5)10%的意思是先在训练集上选取10%的数据进行五折交叉验证。返回值解释:
train_sizes:为列表。对应10%,25%,50%,75%,100%的数据量。比如训练集为100,则10%的返回量为10. train_scores:如上为numpy数组,第一行五个数据为抽取原始训练集10%的数据做的五折交叉验证的训练集指标。,第二行五个数据为抽取原始训练集25%的数据做的五折交叉验证的训练集指标。等等。 test_scores:如上为numpy数组,第一行五个数据为抽取原始训练集10%的数据做的五折交叉验证的验证集指标。,第二行五个数据为抽取原始训练集25%的数据做的五折交叉验证的验证集指标。等等。
完整代码如下:
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import learning_curve
from sklearn.model_selection import ShuffleSplit
from sklearn.naive_bayes import GaussianNB
from sklearn.datasets import load_digitsdef plot_learning_curve(estimator, title, X, y, ylim=None, cv=None, n_jobs=None):'''绘制出模型的学习曲线'''plt.title(title)if ylim is not None:plt.ylim(*ylim)train_sizes, train_scores, test_scores = learning_curve(estimator, X, y, cv=cv, n_jobs=n_jobs, train_sizes=[0.1,0.25,0.5,0.75,1])train_scores_mean = np.mean(train_scores, axis=1)train_scores_std = np.std(train_scores, axis=1)test_scores_mean = np.mean(test_scores, axis=1)test_scores_std = np.std(test_scores, axis=1)plt.fill_between(train_sizes, train_scores_mean - train_scores_std, train_scores_mean + train_scores_std, alpha=0.1,color="r", ) # 把模型准确性的平均值的上下标准差的空间里用颜色填充plt.fill_between(train_sizes, test_scores_mean - test_scores_std, test_scores_mean + test_scores_std, alpha=0.1,color="g", ) # 把模型准确性的平均值的上下标准差的空间里用颜色填充plt.plot(train_sizes, train_scores_mean, "o-", color="r", label="Training score")plt.plot(train_sizes, test_scores_mean, "o-", color="g", label="Cross-validation score")plt.legend(loc="best")return plt# 加载数据集
X, y = load_digits(return_X_y=True)
cv1 = ShuffleSplit(n_splits=5, test_size=0.2, random_state=0) # 数据集分成5份,每份中测试集比例为0.2
estimator1 = GaussianNB()title1 = "(Naive Bayes)"
plt.subplot(121)
plot_learning_curve(estimator1, title1, X, y, ylim=(0.7, 1.01), cv=cv1, n_jobs=4)
plt.show()
由图可得:随着样本数抽取增加模型有着过拟合向刚刚好过渡
机器学习之学习曲线绘制Python-skleran相关推荐
- 机器学习笔记——学习曲线的绘制
机器学习笔记--学习曲线的绘制 为何要绘制学习曲线 学习曲线 高偏差(bias)的情况 高方差(variance)情况 重点总结 高方差(high variance) 高偏差(high bias) 如 ...
- 机器学习系列4 使用Python创建Scikit-Learn回归模型
本文中包含的案例jupyter笔记本可在我的资源中免费下载: 机器学习系列4 使用Python创建Scikit-learn线性回归模型.ipynb 图1 使用Python和Scikit-learn库实 ...
- 机器学习实验二---决策树python
机器学习实验二---决策树python 一.了解一下决策树吧 决策树基本流程 信息增益 决策树的优缺点 二.数据处理 三.决策树的构建 计算给定数据集的香农熵 按照给定特征划分数据集 选择最好的数据划 ...
- 机器学习——决策树模型:Python实现
机器学习--决策树模型:Python实现 1 决策树模型的代码实现 1.1 分类决策树模型(DecisionTreeClassifier) 1.2 回归决策树模型(DecisionTreeRegres ...
- 机器学习(六)Python实现进阶人脸识别
机器学习(六)Python实现进阶版人脸识别 使用到的库:dlib+Opencv python版本:3.8 编译环境:Jupyter Notebook (Anaconda3) 训练模型:dlib_fa ...
- 资源 | 机器学习、NLP、Python和Math最好的150余个教程(建议收藏)
编辑 | MingMing 尽管机器学习的历史可以追溯到1959年,但目前,这个领域正以前所未有的速度发展.最近,我一直在网上寻找关于机器学习和NLP各方面的好资源,为了帮助到和我有相同需求的人,我整 ...
- 干货 | 请收下这份2018学习清单:150个最好的机器学习,NLP和Python教程
本文英文出处:Robbie Allen 翻译/雷锋网字幕组 吴楚 校对/ 雷锋网 田晋阳 机器学习的发展可以追溯到1959年,有着丰富的历史.这个领域也正在以前所未有的速度进化.在之前的一篇文章中,我 ...
- 超过 150 个最佳机器学习,NLP 和 Python教程
作者:chen_h 微信号 & QQ:862251340 微信公众号:coderpai 我的博客:请点击这里 我把这篇文章分为四个部分:机器学习,NLP,Python 和 数学.我在每一部分都 ...
- 从变量到封装:一文带你为机器学习打下坚实的Python基础 By 机器之心2017年10月13日 10:43 本文整体梳理了 Python 的基本语法与使用方法,并重点介绍了对机器学习十分重要的且常
首先,什么是 Python?根据 Python 创建者 Guido van Rossum 所言,Python 是一个:高级编程语言,其设计的核心理念是代码的易读性,以及允许编程者通过若干行代码轻松表达 ...
最新文章
- 单例模式 - 深究剖析
- 阿里巴巴Json工具:Fastjson教程
- Pytorch转TensorRT范例代码
- php学习之------[运算符相关概念]
- python基础——数字型
- 让理科生沉默,让文科生落泪的文史综合题
- MYSQL学习01--MySQL基础知识
- Oracle 11g RAC features
- 跨平台开发框架 Lynx 初探
- 你的食物变质没?用AI算法来检测一下吧
- thymeleaf 复选框回显_Thymeleaf+layui+jquery复选框回显
- kodexplorer开源网盘php程序配置解析
- Java 并发编程:Synchronized 及其实现原理
- C语言模拟顺序栈的创建、入栈、出栈操作
- 【JAVA】在jar文件中引用图片等外部资源的问题
- 【机器视觉】独家盘点:详解国内外34家物联网机器视觉技术企业
- Android模拟点击屏幕,实现按键精灵点击屏幕功能
- 小车|PID算法 闭环控制 带有 霍尔编码器 的电机
- struts2和hibernate的简单新闻发布系统_点赞!北斗卫星导航系统28nm工艺芯片已量产,全球范围定位精度优于10米...
- 使用随机文件流类RandomAccessFile将一个文本文件倒置读出。