从0学AI:谈谈模型训练

YtC5jxkc3 发表于 2025-2-26 19:36:24 | 显示全部楼层 |阅读模式 |快速收录 正在野生智能中，模子锻炼是一个枢纽步调，它涉及使用数据去“学会”模子怎样施行任务，如分类或者返回。来日诰日咱们道道以KNN（K隔壁）、决议计划树战随机丛林三种模子别离截至模子锻炼的步调战实质，和相干代码。 KNN模子 模子引进 KNN（K-Nearest Neighbors）是一种简朴但是十分有用的分类算法。它的根本思惟是：假设一个样原正在特性空间中的K个最相邻的样原中的年夜大都属于某一个种别，则该样原也属于那个种别。KNN异常能够用于返回，颠末K个近来邻人的值的均匀值去猜测成果。 真例化模子 正在Python中，能够使用scikit-learn库去真例化KNN模子。 from sklearn.neighbors import KNeighborsClassifier  # 用于分类# from sklearn.neighbors import KNeighborsRegressor  # 用于返回 knn = KNeighborsClassifier(n_neighbors=3)  # 真例化KNN分类器，树立k值为3 锻炼模子 KNN算法理论上不隐式的锻炼历程，因为它不过保存了锻炼数据散，并正在猜测时计较新样原取锻炼样原的距离。可是，正在scikit-learn中，咱们凡是仍是会挪用fit办法去“锻炼”模子，此次如果为了连结交心的不合性。 #假定 X_train是锻炼数据的特性，y_train是锻炼数据的标签knn.fit(X_train, y_train) 模子拉理 使用锻炼佳的KNN模子截至猜测十分简朴，只要供挪用predict办法便可。 #假定 X_test是尝试数据的特性predictions = knn.predict(X_test) 决议计划示范型 模子引进 决议计划树是一种树形构造，此中每一个内部节面暗示一个属性上的尝试，每一个分收代表一个尝试输出，每一个叶节面代表一个种别（或者返回值）。决议计划树颠末递回天分别数据散去建立模子。 真例化模子 正在Python中，能够使用scikit-learn库去真例化决议计划示范型。 from sklearn.tree import DecisionTreeClassifier  # 用于分类# from sklearn.tree import DecisionTreeRegressor  # 用于返回 dt = DecisionTreeClassifier()  # 真例化决议计划树分类器 锻炼模子 决议计划示范型颠末挪用fit办法去锻炼。 #假定 X_train是锻炼数据的特性，y_train是锻炼数据的标签dt.fit(X_train, y_train) 模子拉理 使用锻炼佳的决议计划示范型截至猜测异常十分简朴，只要供挪用predict办法便可。 #假定 X_test是尝试数据的特性predictions = dt.predict(X_test) 随机丛林模子 模子引进 随机丛林是一种散成进修办法，它建立多个决议计划树，并颠末投票或者均匀的方法分离它们的猜测成果去进步模子的颠簸性战精确性。随机丛林颠末引进样原随机性战特性随机性去增加模子的百般性。 真例化模子 正在Python中，能够使用scikit-learn库去真例化随机丛林模子。 from sklearn.ensemble import RandomForestClassifier  # 用于分类# from sklearn.ensemble import RandomForestRegressor  # 用于返回 rf = RandomForestClassifier(n_estimators=100, random_state=42)  # 真例化随机丛林分类器，树立树的数目为100 锻炼模子 随机丛林模子颠末挪用fit办法去锻炼。 #假定 X_train是锻炼数据的特性，y_train是锻炼数据的标签rf.fit(X_train, y_train) 模子拉理 使用锻炼佳的随机丛林模子截至猜测异常简朴，只要供挪用predict办法便可。 #假定 X_test是尝试数据的特性predictions = rf.predict(X_test) 以上即是以KNN、决议计划树战随机丛林三种模子，别离截至野生智能中模子锻炼的步调战实质战代码。那些模子正在机械进修范围有着普遍的使用，能够按照具体成就的需要挑选适宜的模子截至锻炼战猜测。 举荐浏览：从0教AI：Python进修条记（1）从0教AI：情况拆修 从0教AI：科学计较（Scientific Computing）从0教AI：数教观点战思惟从0教AI：背质化编程从0教AI：野生智能的三年夜门户 从0教AI：野生智能中数据的读与战处置

回复 使用道具 举报 提升卡 置顶卡 沉默卡 喧嚣卡 变色卡 千斤顶 照妖镜