“wie man die Genauigkeit des zufälligen Waldklassifizierers verbessert” Code-Antworten

wie man die Genauigkeit des zufälligen Waldklassifizierers verbessert

from sklearn.model_selection import GridSearchCV
cv = GridSearchCV(rfc,parameters,cv=5)
cv.fit(train_features,train_label.values.ravel())
Wide-eyed Whale

wie man die Genauigkeit des zufälligen Waldklassifizierers verbessert

display(cv)
Wide-eyed Whale

wie man die Genauigkeit des zufälligen Waldklassifizierers verbessert

def display(results):
    print(f'Best parameters are: {results.best_params_}')
    print("\n")
    mean_score = results.cv_results_['mean_test_score']
    std_score = results.cv_results_['std_test_score']
    params = results.cv_results_['params']
    for mean,std,params in zip(mean_score,std_score,params):
        print(f'{round(mean,3)} + or -{round(std,3)} for the {params}')
Wide-eyed Whale

Ähnliche Antworten wie “wie man die Genauigkeit des zufälligen Waldklassifizierers verbessert”

Fragen ähnlich wie “wie man die Genauigkeit des zufälligen Waldklassifizierers verbessert”

Weitere verwandte Antworten zu “wie man die Genauigkeit des zufälligen Waldklassifizierers verbessert” auf Python

Durchsuchen Sie beliebte Code-Antworten nach Sprache

Durchsuchen Sie andere Codesprachen

Shell/Bash
C#
C++
C
CSS
HTML
Java
JavaScript
Objective-C
PHP
Python
Sql
Swift
Ruby
TypeScript
Go
Kotlin
Assembly
R
VBA
Scala
Rust
Dart
Elixir
Clojure
Haskell
Matlab
Erlang
Cobol
Fortran
Scheme
Perl
Groovy
Lua
Julia
Delphi
Abap
Lisp
Prolog
Pascal
ActionScript
Basic
Solidity
PowerShell
GDScript
Excel