绘制交叉验证的预测¶
本示例说明了如何使用cross_val_predict来可视化预测中的错误。
输入:
from sklearn import datasets
from sklearn.model_selection import cross_val_predict
from sklearn import linear_model
import matplotlib.pyplot as plt
lr = linear_model.LinearRegression()
X, y = datasets.load_diabetes(return_X_y=True)
# cross_val_predict返回一个与`y`大小相同的数组,其中每个条目都是通过交叉验证获得的预测:
predicted = cross_val_predict(lr, X, y, cv=10)
fig, ax = plt.subplots()
ax.scatter(y, predicted, edgecolors=(0, 0, 0))
ax.plot([y.min(), y.max()], [y.min(), y.max()], 'k--', lw=4)
ax.set_xlabel('Measured')
ax.set_ylabel('Predicted')
plt.show()
脚本的总运行时间:0分0.103秒。
输出: