概率与机器学习

作者: 十二*
发布时间: 2025-02-05 04:33:53 (3天前)
转自：

4 条回复

0#
回复此人
撩心 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 如果您正在使用DecisionTreeRegressor（），那么您可以使用分数函数来确定预测的确定系数R ^ 2。 </p> <P> 请在下面的文档链接中找到。 </p> <P> <a href="http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeRegressor.html#sklearn.tree.DecisionTreeRegressor" rel="nofollow noreferrer"> http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeRegressor.html#sklearn.tree.DecisionTreeRegressor </A> </p> <P> 您还可以列出交叉验证分数（10个样本），如下所示 </p> <pre> <code> from sklearn.model_selection import cross_val_score clf = tree.DecisionTreeRegressor() clf=clf.fit(X,Y) cross_val_score(clf, X, Y, cv=10) print clf.predict(W) </code> </pre> <P> 这给出了与此类似的输出， </p> <pre> <code> array([ 0.61..., 0.57..., -0.34..., 0.41..., 0.75..., 0.07..., 0.29..., 0.33..., -1.42..., -1.77...]) </code> </pre> </DIV>

编辑
1#
回复此人
圈圈红 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 使用DecisionTreeClassifier而不是regressor，并使用 <a href="http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html#sklearn.tree.DecisionTreeClassifier.predict_proba" rel="nofollow"> <code> predict_proba </code> </A> 方法。或者，您可以使用逻辑回归（也可以在scikit中学习。） </p> <P> 基本的想法是这样的： </p> <pre> <code> clf = tree.DecisionTreeClassifier() clf=clf.fit(X,Y) print clf.predict_proba(W) </code> </pre> </DIV>

编辑
2#
回复此人
不想吃东西 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 您想使用一个给出概率的分类器。此外，您需要确保在测试阵列W中，数据点不是任何训练数据的复制品。如果它与你的任何训练数据完全匹配，它认为它绝对是吸血鬼或绝对不是吸血鬼，所以会给你0或1。 </p> </DIV>

编辑

登录后才能参与评论