如何解决sklearn验证分数含义
每当我在sklearn上训练MLP模型时,都会在这里得到以下输出:
from sklearn.neural_network import MLPClassifier
clf_mlp = MLPClassifier(random_state=1,\
max_iter=200,\
hidden_layer_sizes=(256,256,256),\
early_stopping = True,\
verbose=True).fit(X,pdf_train["label"])
Iteration 1,loss = 1.23744239
Validation score: 0.649914
Iteration 2,loss = 1.07239263
Validation score: 0.652249
Iteration 3,loss = 0.99360697
Validation score: 0.652205
Iteration 4,loss = 0.90097632
Validation score: 0.646963
<And it goes on...>
我对如何阅读此日志感到困惑:“损失”是否存在培训损失或验证损失? “验证分数”值的准确性还是验证损失?
如果您能在sklearn文档中指出这一点,我也将不胜感激。
解决方法
打印出来的loss
看起来像是{em>训练损失(默认值:对数损失),由the source code证明。
打印出来的Validation score
实际上是验证数据上的分数(默认:准确性),如this function in the source code所证明。
这绝对应该有更好的文档记录,随时submit an issue。
,根据训练集(see here in source)计算损失。验证分数是验证集的准确性。得分函数是从sklearn的基础ClassifierMixin定义的。
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 dio@foxmail.com 举报,一经查实,本站将立刻删除。