中年Python简化代码机器学习库PyCaret 2.0发布( 四 ) |机器学习|代码|

rf = create_model("rf")
adaboost = create_model("ada")
blender_specific = blend_models(estimator_list = [dt,rf,adaboost], method = "soft")
6/12 上一页 5 6 7 8 9 10 11 下一页
热门推荐

查看更多精彩

今日快讯
导演评张玉环27年冤狱:别哭诉了赔几百万知足吧
警方突袭按摩会所抓"男技师"最小女客人才25岁欢迎来到新闻头条本站提供最新最全的社会,娱乐,时尚,科技等一手新鲜资讯。本站资讯及图片内容部分收集于互联网，如果有侵犯您的权益，请发邮件到3281530663@qq.com ，我们将会即刻删除相关内容！Copyright 2018 新闻头条 toutiao.7junshi.com 版权所有
?
?
.textual .textual__body .textual__title{padding-left: 6px !important;}
# 动态训练一个投票分类器
blender_top5 = blend_models(compare_models(n_select = 5))
# 训练一个堆叠分类器
stacker = stack_models(estimator_list = [dt,rf], meta_model = adaboost)
# 动态堆叠多个模型
top7 = compare_models(n_select = 7)
stacker = stack_models(estimator_list = top7[1:], meta_model = top7[0])
要了解更多模型集成函数，点击这里 click here.
模型预测
和名字一样，该函数用于推理/预测。以下是使用方法：
# 训练一个 catboost 模型
catboost = create_model("catboost")
# 基于留一（holdout）集预测 (当数据以及传入)
pred_holdout = predict_model(catboost)
# 在新数据集上预测
new_data = http://news.hoteastday.com/a/pd.read_csv("new-data.csv")
pred_new = predict_model(catboost, data = http://news.hoteastday.com/a/new_data
模型作图
模型作图函数可用于评估训练已完成的机器学习模型的性能评估。示例如下：
# 导入classification 模块
from pycaret.classification import *
# 初始化配置
clf1 = setup(data, target = "name-of-target")
# 训练一个adaboost 模型
adaboost = create_model("ada")
# AUC 作图
plot_model(adaboost, plot = "auc")
# 决策边界
plot_model(adaboost, plot = "boundary")
# PR曲线
7/12 上一页 5 6 7 8 9 10 11 下一页
热门推荐

查看更多精彩