Sklearn中的回归和分类算法

时间:2023-03-09 22:44:00
Sklearn中的回归和分类算法

一、sklearn中自带的回归算法Sklearn中的回归和分类算法

1. 算法

Sklearn中的回归和分类算法

另外,skilearn中自带保存模型的方法,可以把训练完的模型在本地保存成.m文件,方法如下:
keras也可以把模型保存成.h5文件,方法如下:
pybrain可以把模型保存成xml文件,方法如下:

2. 评价标准

  • mae(平均绝对误差)
平均绝对误差是绝对误差的平均值, MAE的值越小,说明预测模型描述实验数据具有更好的精确度。
Sklearn中的回归和分类算法
其中,fi表示预测值,yi表示真实值。
Examples
 from sklearn.metrics import mean_absolute_error
y_true=[3,-0.5,2,7]
y_pre=[2.5,0.0,2,8]
mean_absolute_error(y_true,y_pred)
  • mse(均方误差)
MSE: Mean Squared Error 
均方误差是指预测值与真实值之差平方的期望值,MSE的值越小,说明预测模型描述实验数据具有更好的精确度。
Sklearn中的回归和分类算法
Examples
 from sklearn.metrics import mean_squared_error
y_true=[3,-0.5,2,7]
y_pre=[2.5,0.0,2,8]
mean_sqared_error(y_true,y_pred)

二、sklearn中自带的分类算法Sklearn中的回归和分类算法

9. sklearn中多分类评价指标