リッジ回帰を使い、ボストン住宅価格の回帰を行う基本的な機会学習を実装したのですが、5分割の交差検証を行い結果を確認すると、それぞれ
「 0.80653544 0.80400233 0.82003394 0.34575735 0.5608861 」という結果になりました。
しかし、幅が0.3~0.8まであったら使い物にならなくならないですか?
それで平均が0.6と言われても信用できる値じゃない気がするのですが・・・
これはどこかやり方が間違えているのでしょうか?
それともこういうものなのでしょうか?
from sklearn.linear_model import Ridge X, y = mglearn.datasets.load_extended_boston() X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0) ridge = Ridge().fit(X_train, y_train) print (ridge.score(X_train, y_train)) print (ridge.score(X_test, y_test)) from sklearn.model_selection import cross_val_score print (cross_val_score(ridge, X, y,cv=5)) print (cross_val_score(ridge, X, y,cv=5).mean())
0.88605785604 0.752713960031 [ 0.80653544 0.80400233 0.82003394 0.34575735 0.5608861 ] 0.667443032156
回答1件
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
2017/11/13 18:50