模型的属性与功能

上次学了 Sklearn 中的 data sets，今天来看 Model 的属性和功能。

这里以 LinearRegressor 为例，所以先导入包，数据，还有模型。

model.fit 和 model.predict 就属于 Model 的功能，用来训练模型，用训练好的模型预测。

然后，model.coef_ 和 model.intercept_ 属于 Model 的属性， 例如对于 LinearRegressor 这个模型，这两个属性分别输出模型的斜率和截距（与y轴的交点）。

model.get_params() 也是功能，它可以取出之前定义的参数。

model.score(data_X, data_y) 它可以对 Model 用 R^2 的方式进行打分，输出精确度。

# 导入满满的数据库
from sklearn import datasets
# 导入 线性回归 方法
from sklearn.linear_model import LinearRegression

# 导入波士顿房价数据
loaded_data = datasets.load_boston()
data_X = loaded_data.data
data_y = loaded_data.target

# 用默认属性创建线性回归模型
model = LinearRegression()

# 接下来 model.fit 和 model.predict 就属于 Model 的功能，用来训练模型，用训练好的模型预测。
model.fit(data_X, data_y)
print(model.predict(data_X[:4, :]))
""" [ 30.00821269 25.0298606 30.5702317 28.60814055] """

# 然后，model.coef_ 和 model.intercept_ 属于 Model 的属性，
# 例如对于 LinearRegressor 这个模型，这两个属性分别输出模型的斜率和截距（与y轴的交点）。
print(model.coef_)
print(model.intercept_)
""" [ -1.07170557e-01 4.63952195e-02 2.08602395e-02 2.68856140e+00 -1.77957587e+01 3.80475246e+00 7.51061703e-04 -1.47575880e+00 3.05655038e-01 -1.23293463e-02 -9.53463555e-01 9.39251272e-03 -5.25466633e-01] 36.4911032804 """

# model.get_params() 也是功能，它可以取出之前定义的参数。
print(model.get_params())
""" {'copy_X': True, 'normalize': False, 'n_jobs': 1, 'fit_intercept': True} """

# model.score(data_X, data_y) 它可以对 Model 用 R^2 的方式进行打分，输出精确度。
print(model.score(data_X, data_y)) # R^2 coefficient of determination
""" 0.740607742865 """

原文链接：https://lookme.blog.csdn.net/article/details/74026115

本站声明:网站内容来源于网络,如有侵权,请联系我们,我们将及时处理。