模型选择#
与sklearn.model_selection
模块相关的示例。
平衡模型复杂度和交叉验证得分
类似度比用于衡量分类性能
比较用于超参数估计的随机搜索和网格搜索
网格搜索和连续减半的比较
混淆矩阵
具有交叉验证的网格搜索的自定义重拟合策略
在 cross_val_score 和 GridSearchCV 上演示多指标评估
在 cross_val_score 和 GridSearchCV 上演示多指标评估
检测错误权衡 (DET) 曲线
模型正则化对训练和测试误差的影响
多类接收器操作特性 (ROC)
嵌套与非嵌套交叉验证
绘制交叉验证预测
绘制学习曲线和检查模型的可扩展性
事后调整决策函数的截止点
为成本敏感学习后调整决策阈值
精确率-召回率
具有交叉验证的接收器操作特性 (ROC)
文本特征提取和评估的示例管道
使用网格搜索对模型进行统计比较
连续减半迭代
使用排列检验分类得分的显著性
欠拟合与过拟合
可视化 scikit-learn 中的交叉验证行为