Scikit-Learn的Pipeline是一个工具，可以将多个数据预处理和建模步骤连接起来，形成一个完整的机器学习工作流。它允许用户通过链式执行多个转换步骤并最终拟合一个模型，从而使代码更加简洁。 流水线的基本结构 …
在 scikit-learn 中，要对一个拟合好的模型进行评估，有三种方法： 使用各种 estimator 自带的 score 方法。一般来说，分类器的默认评估指标是正确率（accuracy），回归器的是拟合优度（R 方）。 使用模型评估工…
交叉验证方法盘点 在机器学习中，常见有的交叉验证方法有留出法（Holdout cross validation）和k折交叉验证（k-fold cross validation）等，除此之外还有留一法（Leave-One-Out，LOO）、留P法（Leave-P-Out，LPO）…
监督机器学习的关键方面之一是模型评估和验证。当您评估模型的预测性能时，过程必须保持公正。为了制作训练数据（training samples）和测试数据（testing samples），常使用 sklearn 里面的 sklearn.model_selectio…
