机器学习(二) 字典使用算法比较

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了机器学习(二) 字典使用算法比较，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1213字，纯文字阅读大概需要2分钟。

内容图文

from sklearn.model_selection import train_test_split

X_train,X_test,y_train,y_test = train_test_split(face_up,face_down,test_size = 0.02)

estimators = {'linear':LinearRegression(),
             'ridge':Ridge(),
             'Knn':KNeighborsRegressor(),
             'extratree':ExtraTreesRegressor()}

face_pred = dict()

for key,estimator in estimators.items():
#     进行训练
    estimator.fit(X_train,y_train)
    y_ = estimator.predict(X_test)
    
#     将预测的结果保存起来
    face_pred[key] = y_

import numpy as np


for item in enumerate(face_pred):
    print(item)


plt.figure(figsize=(6*3,8*3))

for i in range(8):# 6代表6列
    
    axes = plt.subplot(8,6,i*6 + 1)
    
    face_up = X_test[i]
    face_down = y_test[i]
    face = np.concatenate([face_up,face_down])
    axes.imshow(face.reshape((64,64)),cmap = 'gray')
    plt.axis('off')
    
    if i == 0:
        axes.set_title('True Face')
    
#     半脸
    axes2 = plt.subplot(8,6,i*6 + 2)
    face_up = X_test[i]
    axes2.imshow(face_up.reshape((32,64)),cmap = 'gray')
    plt.axis('off')
    if i == 0:
        axes2.set_title('Half Face')
        
#     机器学习预测的数据
#     face_pred
    for j,key in enumerate(face_pred):
        
        axes = plt.subplot(8,6,i*6+3+j)
        
        if i == 0:
            axes.set_title(key)
        
        face_up = X_test[i]
        y_ = face_pred[key]
        face_down_pred = y_[i]
        
        face = np.concatenate([face_up,face_down_pred])
        axes.imshow(face.reshape((64,64)),cmap = 'gray')
        plt.axis('off')
        
    

 

内容总结

以上是互联网集市为您收集整理的机器学习(二) 字典使用算法比较全部内容，希望文章能够帮你解决机器学习(二) 字典使用算法比较所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---