2
我想知道如何在python中使用交叉验证来提高逻辑回归模型的准确性。正在使用的数据集称为“虹膜”。我已经成功地对SVM模型使用了交叉验证,但是我正在努力调整我的代码来为逻辑回归模型做同样的工作。这里是我到目前为止的代码:Logistic回归的交叉验证
from sklearn import cross_validation
from sklearn import datasets, linear_model
iris = datasets.load_iris()
x_iris = iris.data
y_iris = iris.target
svc = svm.SVC(C=1, kernel='linear')
k_fold = cross_validation.StratifiedKFold(y_iris, n_folds=10)
# labels, the number of folders
#for train, test in k_fold:
# print train, test
scores = cross_validation.cross_val_score(svc, x_iris, y_iris, cv=k_fold, scoring='accuracy')
# clf.fit() is repeatedly called inside the cross_validation.cross_val_score()
print scores
print 'average score = ', np.mean(scores)
print 'std of scores = ', np.std(scores)
我必须对代码来实现成功的交叉验证我的逻辑回归模型怎样的调整?
感谢您的任何帮助。
让我知道如果我的答案从下面适合您的需求,否则我会尝试看看你想要什么,欢呼! –