sklearn 에서 gridsearchcv 와 pipeline 을 결합 하여 사용 합 니 다.
689 단어 기계 학습
X = train[column]
y=(train["class"]-1).astype(int)
tfid = TfidfVectorizer(use_idf = 1,
smooth_idf = 1,
sublinear_tf = 1,
max_df = 0.9,
min_df = 3,
ngram_range = (1,3))
X_feature = tfid.fit_transform(X)
esta = svm.LinearSVC()
pip = Pipeline([('tfid',tfid),('esta',esta)])
param = dict(tfid__max_features=[100000,200000,300000])
grid = GridSearchCV(pip,param_grid = param,scoring='f1_weighted')
grid.fit(X,y)
print('best params:'% grid.best_params_)
print("Best score: %0.3f" % grid.best_score_)
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
형태소 분석은 데스크톱을 구성하는 데 도움이?문자×기계 학습에 흥미를 가져와 개인 범위의 용도를 생각해, 폴더 정리에 사용할 수 있을까 생각해 검토를 시작했습니다. 이번 검토에서는 폴더 구성 & text의 읽기 → mecab × wordcloud를 실시하고 있...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.