python计算均值标准差,python 误差

　　计算你折叠中的训练和测试错误，并使用列表附上结果。最后，绘制结果

　　执行以下操作：froms klearn.neural _ network导入奋斗中的鼠标/pfromsknown。指标导入均值_绝对值_误差

　　导入编号为公证人

　　froms kle arn。模型_选择导入验证_曲线

　　froms kle arn。datasetsimportload _ iris

　　将matplotlib.pyplot作为血小板计数导入

　　froms klearn.model _ selection导入舒适的秋天/PNP.random.seed(0))。

　　iris=load_iris()

　　x，y=虹膜。数据，虹膜。目标

　　KF=KFold(n_splits=5))。

　　list_training_error=[]

　　list_testing_error=[]

　　对于train_index，test_indexinKF.split(x):

　　X_train，X _ test=X[训练索引]，X[测试索引]

　　y_train，y _ test=y[训练索引]，y[测试索引]

　　型号=MLPRegressor(

　　模型适合(x火车，y火车).

　　y _ train _ data _ pred=模型。预测(x火车)

　　y _测试_数据_预测=模型。预测(x _测试)

　　fold _ training _ error=mean _ absolute _ error(y _ train，y_train_data_pred))。

　　fold _ testing _ error=mean _ absolute _ error(y _ test，y_test_data_pred))

　　列表_训练_错误.追加

　　列表_测试_错误.追加

　　PLT.subplot (1，2，1))。

　　PLT.plot(range(1，kf.get_n_splits ) )1，NP.array (list _ training _ error).ravel))

　　PLT.xlabel(numberoffold))。

　　PLT.ylabel(trainingerror )。

　　PLT。标题(trainingerroracrossfolds))。

　　plt.tight_layout(

　　PLT.subplot (1，2，2))。

　　PLT.plot(range(1，kf.get_n_splits ) )1)，NP.array ) list_testing_error).ravel))

　　PLT.xlabel(numberoffold))。

　　PLT.ylabel(testingerror )。

　　PLT。标题(testingerroracrossfolds))。

　　plt.tight_layout(

　　plt.show())

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。