sklearn调包侠之学习曲线和Pipeline
今天不单独讲解某个机器学习算法，而是讲解机器学习中常用的工具或者说是方法。一是绘制学习曲线，看模型的好坏程度（过拟合还是欠拟合）；而是减少代码量，利用pipeline构造算法流水线。
学习曲线
训练模型通常有三种情况：欠拟合、拟合较好和过拟合。欠拟合一般比较好判别，模型准确度不高都可以说是模型欠拟合。但判断模型是否过拟合，单独看准确度是不可信的，模型越复杂，其准确度越高，也很容易过拟合，这时就需要绘制学习曲线观察模型的拟合情况。
绘制流程
把数据集划分为多等分（5份或其它）
把数据集划分为训练集和测试集
以训练集准确性和验证集准确性做为纵坐标，训练集个数作为横坐标。
每次增加1等分
绘制函数
在sklearn中，可以通过sklearn.modelselection中的learningcurve来画出学习曲线。这里使用之前KNN算法，通过图可以看出，KNN算法是处于欠拟合状态。
Pipeline
在之前的线性回归案例中，我们可以加入多项式项来增加模型的精度，但每次都需要先将数据通过PolynomialFeatures转换为新数据，然后再拟合模型，模型预测和评估也需要将测试集进行多项式转换。那能不能将数据处理和模型拟合结合在一起，减少代码量了？答案是可以，通过Pipeline（管道）技术就行。
Pipeline技术
Pipeline 的中间过程由sklearn相适配的转换器（transformer）构成，最后一步是一个estimator（模型）。中间的节点都可以执行fit和transform方法，这样预处理都可以封装进去；最后节点只需要实现fit方法，通常就是我们的模型。流程如下图所示。
Pipeline代码
以线性回归为例：
- 发表于:
- 原文链接：https://kuaibao.qq.com/s/20180630G0CHE600?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
