学习曲线的训练量

Ben

我想知道learning_curve()我申请的结果

X_train1_be.shape
> (1360, 2)
y_train1_be.shape
> (1360, 2)

train_sizes, train_scores, test_scores = learning_curve(grid_best
                                                        , X_train1_be
                                                        , y_train1_be
                                                        , n_jobs=n_jobs
                                                        , scoring = 'neg_mean_squared_error'
                                                        , cv=TimeSeriesSplit(n_splits = 5)
                                                        , verbose=2
                                                        , shuffle = False
                                                        , train_sizes = [1
                                                                         , round(len(X_train1_be)/10)
                                                                         , round(len(X_train1_be)/5)
                                                                         , round(len(X_train1_be)/3)
                                                                         , round(len(X_train1_be)/2)
                                                                         , round(len(X_train1_be)/1)
                                                                        ]
                                                        )

但这导致

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-178-9216e6224b3b> in <module>
     12                                                                          , round(len(X_train1_be)/3)
     13                                                                          , round(len(X_train1_be)/2)
---> 14                                                                          , round(len(X_train1_be)/1)
     15                                                                         ]
     16                                                         )

C:\ProgramData\Anaconda3\lib\site-packages\sklearn\model_selection\_validation.py in learning_curve(estimator, X, y, groups, train_sizes, cv, scoring, exploit_incremental_learning, n_jobs, pre_dispatch, verbose, shuffle, random_state, error_score)
   1257     # use the first 'n_max_training_samples' samples.
   1258     train_sizes_abs = _translate_train_sizes(train_sizes,
-> 1259                                              n_max_training_samples)
   1260     n_unique_ticks = train_sizes_abs.shape[0]
   1261     if verbose > 0:

C:\ProgramData\Anaconda3\lib\site-packages\sklearn\model_selection\_validation.py in _translate_train_sizes(train_sizes, n_max_training_samples)
   1341                              % (n_max_training_samples,
   1342                                 n_min_required_samples,
-> 1343                                 n_max_required_samples))
   1344 
   1345     train_sizes_abs = np.unique(train_sizes_abs)

ValueError: train_sizes has been interpreted as absolute numbers of training samples and must be within (0, 230], but is within [1, 1360].

相反,以下工作原理:

grid_best = grid_result.best_estimator_
train_sizes, train_scores, test_scores = learning_curve(grid_best
                                                        , X_train1_be
                                                        , y_train1_be
                                                        , n_jobs=n_jobs
                                                        , scoring = 'neg_mean_squared_error'
                                                        , cv=TimeSeriesSplit(n_splits = 5)
                                                        , verbose=2
                                                        , shuffle = False
                                                        , train_sizes = np.linspace(0.001, 1, 10))

> [learning_curve] Training set sizes: [  1  25  51  76 102 127 153 178 204 230]

根据此链接,首先应该尝试的工作方式:

确定训练集大小首先让我们决定要用于生成学习曲线的训练集大小。最小值为1。最大值由训练集中的实例数给出。我们的训练集有9568个实例,因此最大值为9568。但是,我们尚未将验证集放在一旁。我们将使用80:20的比例进行此操作,最后得到7654个实例的训练集(80%)和1914个实例的验证集(20%)。假设我们的训练集将有7654个实例,则可用于生成学习曲线的最大值为7654。对于我们的情况,在这里,我们使用以下六个大小:

train_sizes = [1,100,500,2000,5000,7654]

Ben

似乎这是前一段时间已经提出的问题:github.com/scikit-learn/scikit-learn/issues/7834意味着,目前尚不可能,而且似乎情况不会很快改变。

对我来说,一个规避方法是将数据集相乘,以使第一个保全包含整个数据集。

本文收集自互联网,转载请注明来源。

如有侵权,请联系[email protected] 删除。

编辑于
0

我来说两句

0条评论
登录后参与评论

相关文章

来自分类Dev

建立学习曲线以训练doc2vec嵌入

来自分类Dev

关于学习曲线

来自分类Dev

学习曲线-为什么训练精度开始时如此之高,然后突然下降?

来自分类Dev

怪异的线性回归学习曲线

来自分类Dev

Strongloop回送缓慢学习曲线

来自分类Dev

学习曲线是否显示过度拟合?

来自分类Dev

无法绘制keras模型的学习曲线

来自分类Dev

scikit-learn:使用SVC构建学习曲线

来自分类Dev

您如何绘制随机森林模型的学习曲线?

来自分类Dev

为什么神经网络不学习曲线?

来自分类Dev

在LSTM中添加CRF层使学习曲线平坦

来自分类Dev

在学习曲线图中如何制作平坦的验证精度曲线

来自分类Dev

如何使用SciKit随机森林的oob_decision_function_学习曲线?

来自分类Dev

交叉验证在学习曲线中如何工作?Python sklearn

来自分类Dev

如何在同一张图上绘制来自不同模型的多个学习曲线?

来自分类Dev

scikit-learn-如何绘制仅与一个班级相关的分数的学习曲线

来自分类Dev

如何以编程方式可视化路德维希图书馆模型学习曲线?

来自分类Dev

“state.set 不是函数”作为我的 react-redux-immutable 学习曲线的一部分

来自分类Dev

如何避免重新训练机器学习模型

来自分类Dev

Matlab机器学习训练,验证,测试分区

来自分类Dev

训练机器学习预测器

来自分类Dev

在生产中训练机器学习

来自分类Dev

在云中调度GPU以训练深度学习模型

来自分类Dev

深度学习训练集的图像增强算法

来自分类Dev

训练机器学习算法的强度有多大?

来自分类Dev

如何让深度学习训练误差收敛?

来自分类Dev

如何训练深度学习网络

来自分类Dev

Numpy- 深度学习、训练示例

来自分类Dev

使用 AMD 训练深度学习模型

Related 相关文章

热门标签

归档