由于文章較長，所以我還是先把目錄提前。

一、認識管道流

1.1 數(shù)據(jù)導入

1.2 使用管道創(chuàng)建工作流

二、K折交叉驗證

2.1 K折交叉驗證原理

2.2 K折交叉驗證實現(xiàn)

三、曲線調(diào)參

3.1 模型準確度

3.2繪制學習曲線得到樣本數(shù)與準確率的關系

3.3繪制驗證曲線得到超參和準確率關系

四、網(wǎng)格搜索

4.1兩層for循環(huán)暴力檢索

4.2構建字典暴力檢索

五、嵌套交叉驗證

六、相關評價指標

6.1 混淆矩陣及其實現(xiàn)

6.2 相關評價指標實現(xiàn)

6.3 ROC曲線及其實現(xiàn)

一、認識管道流

今天先介紹一下管道工作流的操作。

“管道工作流”這個概念可能有點陌生，其實可以理解為一個容器，然后把我們需要進行的操作都封裝在這個管道里面進行操作，比如數(shù)據(jù)標準化、特征降維、主成分分析、模型預測等等，下面還是以一個實例來講解。

1.1 數(shù)據(jù)導入與預處理

本次我們導入一個二分類數(shù)據(jù)集 Breast Cancer Wisconsin，它包含569個樣本。首列為主鍵ID，第2列為類別值(M=惡性腫瘤，B=良性腫瘤)，第3-32列是實數(shù)值的特征。

先導入數(shù)據(jù)集：

1#導入相關數(shù)據(jù)集 2importpandasaspd 3importurllib 4try: 5df=pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases' 6'/breast-cancer-wisconsin/wdbc.data',header=None) 7excepturllib.error.URLError: 8df=pd.read_csv('https://raw.githubusercontent.com/rasbt/' 9'python-machine-learning-book/master/code/' 10'datasets/wdbc/wdbc.data',header=None) 11print('rows,columns:',df.shape) 12df.head()

使用我們學習過的LabelEncoder來轉(zhuǎn)化類別特征：

1fromsklearn.preprocessingimportLabelEncoder 2X=df.loc[:,2:].values 3y=df.loc[:,1].values 4le=LabelEncoder() 5#將目標轉(zhuǎn)為0-1變量 6y=le.fit_transform(y) 7le.transform(['M','B'])

劃分訓練驗證集：

1##創(chuàng)建訓練集和測試集 2fromsklearn.model_selectionimporttrain_test_split 3X_train,X_test,y_train,y_test= 4train_test_split(X,y,test_size=0.20,random_state=1)

1.2 使用管道創(chuàng)建工作流

很多機器學習算法要求特征取值范圍要相同，因此需要對特征做標準化處理。此外，我們還想將原始的30維度特征壓縮至更少維度，這就需要用到主成分分析，要用PCA來完成，再接著就可以進行l(wèi)ogistic回歸預測了。

Pipeline對象接收元組構成的列表作為輸入，每個元組第一個值作為變量名，元組第二個元素是sklearn中的transformer或Estimator。管道中間每一步由sklearn中的transformer構成，最后一步是一個Estimator。

本次數(shù)據(jù)集中，管道包含兩個中間步驟：StandardScaler和PCA，其都屬于transformer，而邏輯斯蒂回歸分類器屬于Estimator。

本次實例，當管道pipe_lr執(zhí)行fit方法時：

1）StandardScaler執(zhí)行fit和transform方法；

2）將轉(zhuǎn)換后的數(shù)據(jù)輸入給PCA；

3）PCA同樣執(zhí)行fit和transform方法；

4）最后數(shù)據(jù)輸入給LogisticRegression，訓練一個LR模型。

對于管道來說，中間有多少個transformer都可以。管道的工作方式可以用下圖來展示(一定要注意管道執(zhí)行fit方法，而transformer要執(zhí)行fit_transform)：

上面的代碼實現(xiàn)如下：

1fromsklearn.preprocessingimportStandardScaler#用于進行數(shù)據(jù)標準化 2fromsklearn.decompositionimportPCA#用于進行特征降維 3fromsklearn.linear_modelimportLogisticRegression#用于模型預測 4fromsklearn.pipelineimportPipeline 5pipe_lr=Pipeline([('scl',StandardScaler()), 6('pca',PCA(n_components=2)), 7('clf',LogisticRegression(random_state=1))]) 8pipe_lr.fit(X_train,y_train) 9print('TestAccuracy:%.3f'%pipe_lr.score(X_test,y_test)) 10y_pred=pipe_lr.predict(X_test)

Test Accuracy: 0.947

二、K折交叉驗證

為什么要評估模型的泛化能力，相信這個大家應該沒有疑惑，一個模型如果性能不好，要么是因為模型過于復雜導致過擬合(高方差)，要么是模型過于簡單導致導致欠擬合(高偏差)。如何評估它，用什么數(shù)據(jù)來評估它，成為了模型評估需要重點考慮的問題。

我們常規(guī)做法，就是將數(shù)據(jù)集劃分為3部分，分別是訓練、測試和驗證，彼此之間的數(shù)據(jù)不重疊。但，如果我們遇見了數(shù)據(jù)量不多的時候，這種操作就顯得不太現(xiàn)實，這個時候k折交叉驗證就發(fā)揮優(yōu)勢了。

2.1 K折交叉驗證原理

先不多說，先貼一張原理圖（以10折交叉驗證為例）。

k折交叉驗證步驟：

Step 1:使用不重復抽樣將原始數(shù)據(jù)隨機分為k份；

Step2:其中k-1份數(shù)據(jù)用于模型訓練，剩下的那1份數(shù)據(jù)用于測試模型；

Step 3:重復Step 2k次，得到k個模型和他的評估結果。

Step 4:計算k折交叉驗證結果的平均值作為參數(shù)/模型的性能評估。

2.1 K折交叉驗證實現(xiàn)

K折交叉驗證，那么K的取值該如何確認呢？一般我們默認10折，但根據(jù)實際情況有所調(diào)整。我們要知道，當K很大的時候，你需要訓練的模型就會很多，這樣子對效率影響較大，而且每個模型的訓練集都差不多，效果也差不多。我們常用的K值在5～12。

我們根據(jù)k折交叉驗證的原理步驟，在sklearn中進行10折交叉驗證的代碼實現(xiàn)：

1importnumpyasnp 2fromsklearn.model_selectionimportStratifiedKFold 3kfold=StratifiedKFold(n_splits=10, 4random_state=1).split(X_train,y_train) 5scores=[] 6fork,(train,test)inenumerate(kfold): 7pipe_lr.fit(X_train[train],y_train[train]) 8score=pipe_lr.score(X_train[test],y_train[test]) 9scores.append(score) 10print('Fold:%s,Classdist.:%s,Acc:%.3f'%(k+1, 11np.bincount(y_train[train]),score)) 12print(' CVaccuracy:%.3f+/-%.3f'%(np.mean(scores),np.std(scores)))

output：

當然，實際使用的時候沒必要這樣子寫，sklearn已經(jīng)有現(xiàn)成封裝好的方法，直接調(diào)用即可。

1fromsklearn.model_selectionimportcross_val_score 2scores=cross_val_score(estimator=pipe_lr, 3X=X_train, 4y=y_train, 5cv=10, 6n_jobs=1) 7print('CVaccuracyscores:%s'%scores) 8print('CVaccuracy:%.3f+/-%.3f'%(np.mean(scores),np.std(scores)))

三、曲線調(diào)參

我們講到的曲線，具體指的是學習曲線(learning curve)和驗證曲線(validation curve)。

3.1 模型準確率（Accuracy）

模型準確率反饋了模型的效果，大家看下圖：

1）左上角子的模型偏差很高。它的訓練集和驗證集準確率都很低，很可能是欠擬合。解決欠擬合的方法就是增加模型參數(shù)，比如，構建更多的特征，減小正則項。

2）右上角子的模型方差很高，表現(xiàn)就是訓練集和驗證集準確率相差太多。解決過擬合的方法有增大訓練集或者降低模型復雜度，比如增大正則項，或者通過特征選擇減少特征數(shù)。

3）右下角的模型就很好。

3.2 繪制學習曲線得到樣本數(shù)與準確率的關系

直接上代碼：

1importmatplotlib.pyplotasplt 2fromsklearn.model_selectionimportlearning_curve 3pipe_lr=Pipeline([('scl',StandardScaler()), 4('clf',LogisticRegression(penalty='l2',random_state=0))]) 5train_sizes,train_scores,test_scores= 6learning_curve(estimator=pipe_lr, 7X=X_train, 8y=y_train, 9train_sizes=np.linspace(0.1,1.0,10),#在0.1和1間線性的取10個值 10cv=10, 11n_jobs=1) 12train_mean=np.mean(train_scores,axis=1) 13train_std=np.std(train_scores,axis=1) 14test_mean=np.mean(test_scores,axis=1) 15test_std=np.std(test_scores,axis=1) 16plt.plot(train_sizes,train_mean, 17color='blue',marker='o', 18markersize=5,label='trainingaccuracy') 19plt.fill_between(train_sizes, 20train_mean+train_std, 21train_mean-train_std, 22alpha=0.15,color='blue') 23plt.plot(train_sizes,test_mean, 24color='green',linestyle='--', 25marker='s',markersize=5, 26label='validationaccuracy') 27plt.fill_between(train_sizes, 28test_mean+test_std, 29test_mean-test_std, 30alpha=0.15,color='green') 31plt.grid() 32plt.xlabel('Numberoftrainingsamples') 33plt.ylabel('Accuracy') 34plt.legend(loc='lowerright') 35plt.ylim([0.8,1.0]) 36plt.tight_layout() 37plt.show()

Learning_curve中的train_sizes參數(shù)控制產(chǎn)生學習曲線的訓練樣本的絕對/相對數(shù)量，此處，我們設置的train_sizes=np.linspace(0.1, 1.0, 10)，將訓練集大小劃分為10個相等的區(qū)間，在0.1和1之間線性的取10個值。learning_curve默認使用分層k折交叉驗證計算交叉驗證的準確率，我們通過cv設置k。

下圖可以看到，模型在測試集表現(xiàn)很好，不過訓練集和測試集的準確率還是有一段小間隔，可能是模型有點過擬合。

3.3 繪制驗證曲線得到超參和準確率關系

驗證曲線是用來提高模型的性能，驗證曲線和學習曲線很相近，不同的是這里畫出的是不同參數(shù)下模型的準確率而不是不同訓練集大小下的準確率：

1fromsklearn.model_selectionimportvalidation_curve 2param_range=[0.001,0.01,0.1,1.0,10.0,100.0] 3train_scores,test_scores=validation_curve( 4estimator=pipe_lr, 5X=X_train, 6y=y_train, 7param_name='clf__C', 8param_range=param_range, 9cv=10) 10train_mean=np.mean(train_scores,axis=1) 11train_std=np.std(train_scores,axis=1) 12test_mean=np.mean(test_scores,axis=1) 13test_std=np.std(test_scores,axis=1) 14plt.plot(param_range,train_mean, 15color='blue',marker='o', 16markersize=5,label='trainingaccuracy') 17plt.fill_between(param_range,train_mean+train_std, 18train_mean-train_std,alpha=0.15, 19color='blue') 20plt.plot(param_range,test_mean, 21color='green',linestyle='--', 22marker='s',markersize=5, 23label='validationaccuracy') 24plt.fill_between(param_range, 25test_mean+test_std, 26test_mean-test_std, 27alpha=0.15,color='green') 28plt.grid() 29plt.xscale('log') 30plt.legend(loc='lowerright') 31plt.xlabel('ParameterC') 32plt.ylabel('Accuracy') 33plt.ylim([0.8,1.0]) 34plt.tight_layout() 35plt.show()

我們得到了參數(shù)C的驗證曲線。和learning_curve方法很像，validation_curve方法使用采樣k折交叉驗證來評估模型的性能。在validation_curve內(nèi)部，我們設定了用來評估的參數(shù)（這里我們設置C作為觀測）。

從下圖可以看出，最好的C值是0.1。

四、網(wǎng)格搜索

網(wǎng)格搜索(grid search)，作為調(diào)參很常用的方法，這邊還是要簡單介紹一下。

在我們的機器學習算法中，有一類參數(shù)，需要人工進行設定，我們稱之為“超參”，也就是算法中的參數(shù)，比如學習率、正則項系數(shù)或者決策樹的深度等。

網(wǎng)格搜索就是要找到一個最優(yōu)的參數(shù)，從而使得模型的效果最佳，而它實現(xiàn)的原理其實就是暴力搜索；即我們事先為每個參數(shù)設定一組值，然后窮舉各種參數(shù)組合，找到最好的那一組。

4.1. 兩層for循環(huán)暴力檢索

網(wǎng)格搜索的結果獲得了指定的最優(yōu)參數(shù)值，c為100，gamma為0.001

1#naivegridsearchimplementation 2fromsklearn.datasetsimportload_iris 3fromsklearn.svmimportSVC 4fromsklearn.model_selectionimporttrain_test_split 5iris=load_iris() 6X_train,X_test,y_train,y_test=train_test_split(iris.data,iris.target,random_state=0) 7print("Sizeoftrainingset:%dsizeoftestset:%d"%(X_train.shape[0],X_test.shape[0])) 8best_score=0 9forgammain[0.001,0.01,0.1,1,10,100]: 10forCin[0.001,0.01,0.1,1,10,100]: 11#foreachcombinationofparameters 12#trainanSVC 13svm=SVC(gamma=gamma,C=C) 14svm.fit(X_train,y_train) 15#evaluatetheSVConthetestset 16score=svm.score(X_test,y_test) 17#ifwegotabetterscore,storethescoreandparameters 18ifscore>best_score: 19best_score=score 20best_parameters={'C':C,'gamma':gamma} 21print("bestscore:",best_score) 22print("bestparameters:",best_parameters)

output： Size of training set: 112 size of test set: 38 best score: 0.973684210526 best parameters: {'C': 100, 'gamma': 0.001}

4.2. 構建字典暴力檢索

網(wǎng)格搜索的結果獲得了指定的最優(yōu)參數(shù)值，c為1

1fromsklearn.svmimportSVC 2fromsklearn.model_selectionimportGridSearchCV 3pipe_svc=Pipeline([('scl',StandardScaler()), 4('clf',SVC(random_state=1))]) 5param_range=[0.0001,0.001,0.01,0.1,1.0,10.0,100.0,1000.0] 6param_grid=[{'clf__C':param_range, 7'clf__kernel':['linear']}, 8{'clf__C':param_range, 9'clf__gamma':param_range, 10'clf__kernel':['rbf']}] 11gs=GridSearchCV(estimator=pipe_svc, 12param_grid=param_grid, 13scoring='accuracy', 14cv=10, 15n_jobs=-1) 16gs=gs.fit(X_train,y_train) 17print(gs.best_score_) 18print(gs.best_params_)

output： 0.978021978022 {'clf__C': 0.1, 'clf__kernel': 'linear'}

GridSearchCV中param_grid參數(shù)是字典構成的列表。對于線性SVM，我們只評估參數(shù)C；對于RBF核SVM，我們評估C和gamma。最后， 我們通過best_parmas_得到最優(yōu)參數(shù)組合。

接著，我們直接利用最優(yōu)參數(shù)建模(best_estimator_)：

1clf=gs.best_estimator_ 2clf.fit(X_train,y_train) 3print('Testaccuracy:%.3f'%clf.score(X_test,y_test))

網(wǎng)格搜索雖然不錯，但是窮舉過于耗時，sklearn中還實現(xiàn)了隨機搜索，使用 RandomizedSearchCV類，隨機采樣出不同的參數(shù)組合。

五、嵌套交叉驗證

嵌套交叉驗證(nested cross validation)選擇算法（外循環(huán)通過k折等進行參數(shù)優(yōu)化，內(nèi)循環(huán)使用交叉驗證），對特定數(shù)據(jù)集進行模型選擇。Varma和Simon在論文Bias in Error Estimation When Using Cross-validation for Model Selection中指出使用嵌套交叉驗證得到的測試集誤差幾乎就是真實誤差。

嵌套交叉驗證外部有一個k折交叉驗證將數(shù)據(jù)分為訓練集和測試集，內(nèi)部交叉驗證用于選擇模型算法。

下圖演示了一個5折外層交叉沿則和2折內(nèi)部交叉驗證組成的嵌套交叉驗證，也被稱為5*2交叉驗證：

我們還是用到之前的數(shù)據(jù)集，相關包的導入操作這里就省略了。

SVM分類器的預測準確率代碼實現(xiàn)：

1gs=GridSearchCV(estimator=pipe_svc, 2param_grid=param_grid, 3scoring='accuracy', 4cv=2) 5 6#Note:Optionally,youcouldusecv=2 7#intheGridSearchCVabovetoproduce 8#the5x2nestedCVthatisshowninthefigure. 9 10scores=cross_val_score(gs,X_train,y_train,scoring='accuracy',cv=5) 11print('CVaccuracy:%.3f+/-%.3f'%(np.mean(scores),np.std(scores)))

CV accuracy: 0.965 +/- 0.025

決策樹分類器的預測準確率代碼實現(xiàn)：

1fromsklearn.treeimportDecisionTreeClassifier 2 3gs=GridSearchCV(estimator=DecisionTreeClassifier(random_state=0), 4param_grid=[{'max_depth':[1,2,3,4,5,6,7,None]}], 5scoring='accuracy', 6cv=2) 7scores=cross_val_score(gs,X_train,y_train,scoring='accuracy',cv=5) 8print('CVaccuracy:%.3f+/-%.3f'%(np.mean(scores),np.std(scores)))

CV accuracy: 0.921 +/- 0.029

六、相關評價指標

6.1 混淆矩陣及其實現(xiàn)

混淆矩陣，大家應該都有聽說過，大致就是長下面這樣子的：

所以，有幾個概念需要先說明：

TP(True Positive): 真實為0，預測也為0

FN(False Negative): 真實為0，預測為1

FP(False Positive): 真實為1，預測為0

TN(True Negative): 真實為1，預測也為1

所以，衍生了幾個常用的指標：

: 分類模型總體判斷的準確率(包括了所有class的總體準確率)

: 預測為0的準確率

: 真實為0的準確率

: 真實為1的準確率

: 預測為1的準確率

:對于某個分類，綜合了Precision和Recall的一個判斷指標，F(xiàn)1-Score的值是從0到1的，1是最好，0是最差

: 另外一個綜合Precision和Recall的標準，F(xiàn)1-Score的變形

再舉個例子：

混淆矩陣網(wǎng)絡上有很多文章，也不用說刻意地去背去記，需要的時候百度一下你就知道，混淆矩陣實現(xiàn)代碼：

1fromsklearn.metricsimportconfusion_matrix 2 3pipe_svc.fit(X_train,y_train) 4y_pred=pipe_svc.predict(X_test) 5confmat=confusion_matrix(y_true=y_test,y_pred=y_pred) 6print(confmat)

output： [[71 1] [ 2 40]]

1fig,ax=plt.subplots(figsize=(2.5,2.5)) 2ax.matshow(confmat,cmap=plt.cm.Blues,alpha=0.3) 3foriinrange(confmat.shape[0]): 4forjinrange(confmat.shape[1]): 5ax.text(x=j,y=i,s=confmat[i,j],va='center',ha='center') 6 7plt.xlabel('predictedlabel') 8plt.ylabel('truelabel') 9 10plt.tight_layout() 11plt.show()

6.2 相關評價指標實現(xiàn)

分別是準確度、recall以及F1指標的實現(xiàn)。

1fromsklearn.metricsimportprecision_score,recall_score,f1_score 2 3print('Precision:%.3f'%precision_score(y_true=y_test,y_pred=y_pred)) 4print('Recall:%.3f'%recall_score(y_true=y_test,y_pred=y_pred)) 5print('F1:%.3f'%f1_score(y_true=y_test,y_pred=y_pred))

Precision: 0.976 Recall: 0.952 F1: 0.964

指定評價指標自動選出最優(yōu)模型：

可以通過在make_scorer中設定參數(shù)，確定需要用來評價的指標（這里用了fl_score），這個函數(shù)可以直接輸出結果。

1fromsklearn.metricsimportmake_scorer 2 3scorer=make_scorer(f1_score,pos_label=0) 4 5c_gamma_range=[0.01,0.1,1.0,10.0] 6 7param_grid=[{'clf__C':c_gamma_range, 8'clf__kernel':['linear']}, 9{'clf__C':c_gamma_range, 10'clf__gamma':c_gamma_range, 11'clf__kernel':['rbf']}] 12 13gs=GridSearchCV(estimator=pipe_svc, 14param_grid=param_grid, 15scoring=scorer, 16cv=10, 17n_jobs=-1) 18gs=gs.fit(X_train,y_train) 19print(gs.best_score_) 20print(gs.best_params_)

0.982798668208 {'clf__C': 0.1, 'clf__kernel': 'linear'}

6.3 ROC曲線及其實現(xiàn)

如果需要理解ROC曲線，那你就需要先了解一下混淆矩陣了，具體的內(nèi)容可以查看一下之前的文章，這里重點引入2個概念：

真正率(true positive rate,TPR)，指的是被模型正確預測的正樣本的比例：

假正率(false positive rate,FPR) ，指的是被模型錯誤預測的正樣本的比例：

ROC曲線概念：

ROC(receiver operating characteristic)接受者操作特征，其顯示的是分類器的真正率和假正率之間的關系，如下圖所示：

ROC曲線有助于比較不同分類器的相對性能，其曲線下方的面積為AUC(area under curve)，其面積越大則分類的性能越好，理想的分類器auc=1。

ROC曲線繪制：

對于一個特定的分類器和測試數(shù)據(jù)集，顯然只能得到一個分類結果，即一組FPR和TPR結果，而要得到一個曲線，我們實際上需要一系列FPR和TPR的值。

那么如何處理？很簡單，我們可以根據(jù)模型預測的概率值，并且設置不同的閾值來獲得不同的預測結果。什么意思？

比如說：

5個樣本，真實的target（目標標簽）是y=c(1,1,0,0,1)

模型分類器將預測樣本為1的概率p=c(0.5,0.6,0.55,0.4,0.7)

我們需要選定閾值才能把概率轉(zhuǎn)化為類別，

如果我們選定閾值為0.1，那么5個樣本被分進1的類別

如果選定0.3，結果仍然一樣

如果選了0.45作為閾值，那么只有樣本4被分進0

之后把所有得到的所有分類結果計算FTR,PTR，并繪制成線，就可以得到ROC曲線了，當threshold（閾值）取值越多，ROC曲線越平滑。

ROC曲線代碼實現(xiàn)：

1fromsklearn.metricsimportroc_curve,auc 2fromscipyimportinterp 3 4pipe_lr=Pipeline([('scl',StandardScaler()), 5('pca',PCA(n_components=2)), 6('clf',LogisticRegression(penalty='l2', 7random_state=0, 8C=100.0))]) 9 10X_train2=X_train[:,[4,14]] 11 # 因為全部特征丟進去的話，預測效果太好，畫ROC曲線不好看哈哈哈，所以只是取了2個特征 12 13 14cv=list(StratifiedKFold(n_splits=3, 15random_state=1).split(X_train,y_train)) 16 17fig=plt.figure(figsize=(7,5)) 18 19mean_tpr=0.0 20mean_fpr=np.linspace(0,1,100) 21all_tpr=[] 22 23fori,(train,test)inenumerate(cv): 24probas=pipe_lr.fit(X_train2[train], 25y_train[train]).predict_proba(X_train2[test]) 26 27fpr,tpr,thresholds=roc_curve(y_train[test], 28probas[:,1], 29pos_label=1) 30mean_tpr+=interp(mean_fpr,fpr,tpr) 31mean_tpr[0]=0.0 32roc_auc=auc(fpr,tpr) 33plt.plot(fpr, 34tpr, 35lw=1, 36label='ROCfold%d(area=%0.2f)' 37%(i+1,roc_auc)) 38 39plt.plot([0,1], 40[0,1], 41linestyle='--', 42color=(0.6,0.6,0.6), 43label='randomguessing') 44 45mean_tpr/=len(cv) 46mean_tpr[-1]=1.0 47mean_auc=auc(mean_fpr,mean_tpr) 48plt.plot(mean_fpr,mean_tpr,'k--', 49label='meanROC(area=%0.2f)'%mean_auc,lw=2) 50plt.plot([0,0,1], 51[0,1,1], 52lw=2, 53linestyle=':', 54color='black', 55label='perfectperformance') 56 57plt.xlim([-0.05,1.05]) 58plt.ylim([-0.05,1.05]) 59plt.xlabel('falsepositiverate') 60plt.ylabel('truepositiverate') 61plt.title('ReceiverOperatorCharacteristic') 62plt.legend(loc="lowerright") 63 64plt.tight_layout() 65plt.show()

查看下AUC和準確率的結果：

1pipe_lr=pipe_lr.fit(X_train2,y_train) 2y_labels=pipe_lr.predict(X_test[:,[4,14]]) 3y_probas=pipe_lr.predict_proba(X_test[:,[4,14]])[:,1] 4#notethatweuseprobabilitiesforroc_auc 5#the`[:,1]`selectsthepositiveclasslabelonly

1fromsklearn.metricsimportroc_auc_score,accuracy_score 2print('ROCAUC:%.3f'%roc_auc_score(y_true=y_test,y_score=y_probas)) 3print('Accuracy:%.3f'%accuracy_score(y_true=y_test,y_pred=y_labels))

ROC AUC: 0.752 Accuracy: 0.711

責任編輯：xj

原文標題：萬字長文總結機器學習的模型評估與調(diào)參，附代碼下載

文章出處：【微信公眾號：人工智能與大數(shù)據(jù)技術】歡迎添加關注！文章轉(zhuǎn)載請注明出處。