Scikit-Learn机器学习之k折交叉验证

Handsome coder

于 2021-05-02 10:01:53 发布

阅读量369

点赞数

CC 4.0 BY-SA版权

分类专栏： SVM 机器学习文章标签：机器学习 python svm 逻辑回归

本文链接：https://blog.csdn.net/liaozhaocong/article/details/116348112

本文介绍了K折交叉验证的概念，特别是在机器学习中的应用。通过对比不使用交叉验证的情况，展示了SVC模型在4折交叉验证下得分低于逻辑回归。建议参考Scikit-learn cookbook和官方文档来深入学习。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

K折交叉验证

1、什么叫K折交叉验证？

在这里插入图片描述本例主要讲4折

2、如果不交叉验证

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets

from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

#load the classifying models
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC

iris = datasets.load_iris()
X = iris.data[:, :2]  #load the first two features of the iris data 
y = iris.target #load the target of the iris data

#split the whole set one time 将整个数据集分成训练集和测试集
#Note random state is 7 now
X_train, X_test