用Jupter进行机器学习的入门练习(自用) | 您所在的位置:网站首页 › jupyter保存的代码在哪 › 用Jupter进行机器学习的入门练习(自用) |
在用Jupter进行机器学习的入门练习(自用)——(1)建立的模型的基础上进行练习 https://blog.csdn.net/m0_52974810/article/details/117744358?spm=1001.2014.3001.5501 本人是跟着b站学习Python的小白,走了许多弯路,怕忘记所以记下来方便查阅。 学习Python所参考的b站视频🔗https://www.bilibili.com/video/BV14J411U7hj vscode:官网下载软件、安装软件:https://code.visualstudio.com 软件汉化:打开软件ctrl+shift+p调出搜索框,输入“configure language”,在locale.json文件中将 “locale:en-us”更改为“locale:zh-cn”保存;重启VSCode软件,在“扩展视图(左侧最后一个图标)” 中搜索语言包 category:"Language Packs"。选择中文(简体),点击Install,然后重启即可。 一、模型的保存将之前训练好的模型进行保存,在下次使用时可以不用再训练,可以直接加载进行预测。 导入joblib对象 from sklearn.externals import joblibjoblib对象有保存和加载模块的方法。 注意:如果运行后出现cannot import name joblib from sklearn.externals的提示: 解决方法一: 直接使用import joblib(推荐) 解决方法二: 回退版本 删除当前版本的scikit-learn pip uninstall scikit-learn 安装旧版本的scikit-learn pip install scikit-learn==0.20.3 将训练好的模型进行转存 joblib.dump(model, 'music_commender.joblib')显示返回值后会在桌面上生成一个相应的文件。 二、模型的加载 model = joblib.load('music_commender.joblib') 三、决策树模型的可视化 生成决策树 from sklearn import tree tree.export_graphviz(model, out_file='music-recommender.dot', feature_names=['age', 'gender'], class_names=sorted(y.unique()), label='all', rounded=True, filled=True) 运行后桌面会生成一个'music-recommender.dot'文件 参数注释: filled=True ——表示生成的决策树每个节点都有颜色; rounded=True——表示生成的每个盒子外圈有倒角; label='all'——每个节点都是可读标签; class_names=sorted(y.unique())——显示每个分支的类名。 用vscode将决策过程可视化(1)将dot文件拖入vscode中,安装图中所示的扩展包 注:截图中的3这一步可以尝试直接安装joao版本的扩展包,如果没出现(2)中的open preview to the side选项,再安装另外一个。 (2)点击open preview to the side生成决策树预览图 注:决策树中用gini指数来衡量数据的不纯度或者不确定性,同时用gini指数来决定类别变量的最优二分值的切分问题。 |
CopyRight 2018-2019 实验室设备网 版权所有 |