class sklearn.linear_model.RidgeClassifierCV(alphas, fit_intercept, normalize, scoring, cv, class_weight, store_cv_values)
alphas (ma'lumot turi - n_alphas o'lchamli bironbir massiv; default qiymati - (0.1, 1.0, 10.0)) - regulyarlashtirish parametrlari α uchun mumkin bo'lgan qiymatlarni algoritmlarga ko'rsatadi.
fit_intercept (ma'lumot turi - bool; default qiymati - True) - modelga bog'liq bo'lmagan w0 (intercept_ = 0 bo'lsa, fit_intercept=False holatida) o'zgaruvchisini modellarga qo'shish zarur bo'lishini ko'rsatadi.
cv (ma'lumot turi - int (yoki sklearn.model_selection); default qiymati - None) - algoritmga qo'shimcha imkoniyat beradi, asosiy ma'lumot to'plamini qanday bo'laganligini aniqlash uchun. Ma'lumotlar to'plamini qanday bo'laganligini aniqlash uchun kerakli bloklar sonini ko'rsatadi (default qiymati - model_selection.StratifiedKFold, bu holatda cv - bo'lagan bloklar soni).
normalize (ma'lumot turi - bool; default qiymati - False) - ma'lumotlarni normallashtirishning zarur bo'lishini algoritmlarga ko'rsatadi.
gcv_mode (ma'lumot turi - str; default qiymati - 'auto') - umumiy kross-validatsiya usulining qanday bo'lishini algoritmlarga ko'rsatadi (mumkin bo'lgan variantlar: {'auto', 'svd', 'eigen'}, mos ravishda, avtomatik tanlash usuli, singulyar bo'lib chiqarish usuli, o'zining bo'lib chiqarish usuli).
Klass modelining asosiy atributlari quyidagilardir:
Klass modelining asosiy atributlari quyidagilardir:
cv_values_ (ma'lumot turi - uch o'lchamli massiv; [n_samples, n_targets, n_alphas]) - α regulyarlashtirish parametridagi hisoblash natijalarini saqlash uchun mo'ljallangan (faqatgina store_cv_values = True va cv = None bo'lgan holatda mavjud).
coef_ (ma'lumot turi - ikki o'lchamli massiv; [n_targets, n_features]) - lineyni regressiya vazifasi uchun wtarget,j ko'efitsientlarini hisoblash uchun mo'ljallangan (agar bir mazmuniy maqsad olsin, to'g'ri ko'rsatuvchi massiv [n_features]).
intercept_ (ma'lumot turi - float yoki bir o'lchamli massiv; [n_targets]) - bo'sh o'zgaruvchi w0 yoki wtarget,0 ni qiymatini saqlash uchun mo'ljallangan. Agar fit_intercept = False bo'lsa, intercept_ = 0.0 bo'ladi.
alpha_ (ma'lumot turi - float) - olingan α regulyarlashtirish parametrining qiymatini saqlash uchun mo'ljallangan.
best_score_ (ma'lumot turi - float) - eng yaxshi aniqlash xatoligi (determinatsiya ko'efitsienti) parametrining olingan qiymatini saqlash uchun mo'ljallangan.
Klass modelning asosiy metodlari quyidagilardir:
fit(X, y[, sample_weight]) - o'rganish to'plamiga asoslangan modelni qurish. Bu yerda X (ma'lumot turi - ikki o'lchamli massiv; [n_samples, n_features]) - modelning bog'liq o'zgaruvchilari, y (ma'lumot turi - [n_samples, n_features] yoki [n_samples] o'lchamli massiv) - modelning bog'liq o'zgaruvchilari, sample_weight (ma'lumot turi - o'lchamli massiv yoki [n_samples]) - tanlovda har bir ma'lumotning individual og'irligini aniqlaydigan ixtiyoriy argument (optional).
predict(X) - test to'plamida modelning parametrlarini bashorat qilish.
score(X, y, sample_weight=None) - test to'plamida bashoratni baholash (qaytariladigan eng yaxshi natija 1 bo'lgan aniqlovchi ko'efitsient bilan test to'plami va bashoratni solishtirish).
SGDClassifier - linear_model sinfi orqali, regulyarlashtirilgan empirik yo'qotishlarni minimallashtirish usuli bilan stokastik gradiyentni pastga yuritish orqali lineyni klassifikatsiya uchun ishlatiladi.
Ushbu kodda, SGDClassifier sinfiga asoslangan obyekt yaratiladi. Keyin cross_val_score funktsiyasi yordamida kross-validatsiya bilan regulyarlashtirilgan lineyni klassifikatsiyani hisoblash uchun X va y ma'lumotlari ishlatiladi. cv=5 parametri esa 5-blokli kross-validatsiyani ko'rsatadi. Natijalar scores o'zgaruvchisida saqlanadi va konsolga chiqariladi.
