エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
【翻訳】scikit-learn 0.18 チュートリアル 科学的データ処理のための統計学習のチュートリアル モデル選択:推定器とそのパラメータの選択 - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
【翻訳】scikit-learn 0.18 チュートリアル 科学的データ処理のための統計学習のチュートリアル モデル選択:推定器とそのパラメータの選択 - Qiita
スコア、クロスバリデーションされたスコア これまで見てきたように、すべての推定器は、新しいデータの... スコア、クロスバリデーションされたスコア これまで見てきたように、すべての推定器は、新しいデータのフィット(または予測)の品質を判断できる score メソッドを公開しています。大きい方が良い。 >>> from sklearn import datasets, svm >>> digits = datasets.load_digits() >>> X_digits = digits.data >>> y_digits = digits.target >>> svc = svm.SVC(C=1, kernel='linear') >>> svc.fit(X_digits[:-100], y_digits[:-100]).score(X_digits[-100:], y_digits[-100:]) 0.97999999999999998 >>> import numpy as np >>>