本實例展示怎樣使用cross_val_predict來可視化預測錯誤:

# coding:utf-8from pylab import * from sklearn import datasets from sklearn.model_selection import cross_val_predict from sklearn import linear_modellr = linear_model.LinearRegression() boston = datasets.load_boston() y = boston.target #cross_val_predict返回和`y`相同尺寸的數組 #每一個entry是通過交叉驗證的相應預測 predicted = cross_val_predict(lr,boston.data,y,cv=10)#設置中文字體 myfont = matplotlib.font_manager.FontProperties(fname="Microsoft-Yahei-UI-Light.ttc") mpl.rcParams['axes.unicode_minus'] = False #繪制 plt.scatter(y,predicted) plt.plot([y.min(),y.max()],[y.min(),y.max()],"k--",lw=4) plt.title(u'繪制交叉驗證預測',fontproperties=myfont) plt.xlabel(u'測度',fontproperties=myfont) plt.ylabel(u'預測',fontproperties=myfont) #顯示繪制結果 plt.show()

總結

以上是生活随笔為你收集整理的scikit-learn一般实例之一:绘制交叉验证预测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。