2017年1月30日

层化（stratification）的方法

摘要： 有时候我们会遇到调整后的模型反而不如调整前表现好的情况，这可能和数据的随机分割有关系。在这个不平衡的数据情况下，最好用层化（stratification）的方法，比如： from sklearn.cross_validation import StratifiedShuffleSplit...sss 阅读全文

posted @ 2017-01-30 08:49 Betty__2017 阅读(525) 评论(0) 推荐(0) 编辑

精度和召回比重

摘要： 现在我们用的是F1指标，它对精度和召回用了同样的比重。有些情况下，我们可能会更偏向精度和召回中的某一项，这时候可以使用F-beta指标： f1_scorer = make_scorer(fbeta_score, beta=1, pos_label= "yes") 其中的beta参数决定了精度和召回的 阅读全文

posted @ 2017-01-30 08:48 Betty__2017 阅读(166) 评论(0) 推荐(0) 编辑

导航