from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33) // test set size is 0.33
clf = MLPClassifier()
clf.fit(X_train, y_train)
clf.predict(X_test, y_test) // predict on test set
Thanks for this answer, but basically how does fit function works
concretely ? It just trains the network on the given data (i.e.
training set) until max_iter is reached and that's it ?
fit
函数本身不包括交叉验证,也不应用列车测试分割。 幸运的是你自己能做到。列车试验拆分:
K-折叠交叉验证
^{pr2}$对于交叉验证有多个函数可用,您可以阅读更多关于它的here。这里所说的k-折叠只是一个例子。
编辑:
我假设您使用的是
MLPClassifier
的默认配置。在这种情况下,fit函数尝试在adam优化器的基础上进行优化。实际上,在这种情况下,网络会一直训练到到达最大值。实际上,交叉验证并不是用来提高网络性能的,它实际上是一种方法,用来测试你的algrotihm在不同数据上的泛化能力。对于k-fold,训练并测试了k个独立分类器。
相关问题 更多 >
编程相关推荐