电脑温度检测软件(pc cillin 一定要装吗)

电脑用什么软件测温度可靠

通常情况下，我们根据“数据预处理-功能工程-构建模型（使用默认参数或经验参数）-模型评估-参数优化-模型固定”来执行数据挖掘任务以解决该问题。在本节中，我们要讨论的主题是参数优化。前面我们讨论了GridSearchCV（网格搜索）工具，该工具可以组合我们的参数并选择效果最佳的参数组。在本节中，我们探索参数优化中的另一个工具RandomizedSearchCV（随机搜索）。首先，这个名称听起来有点不可靠，是的，它有点不可靠，但是为什么我们仍然使用它呢？ ？由于它的高效率，它可以快速帮助我们确定参数的近似范围，然后使用网格搜索来确定参数的确切值。就像警察逮捕囚犯一样，您必须快速识别罪犯的活动区域，然后在该区域开始地毯搜索，这样效率更高。在本节中，我们以随机森林模型为例，通过演示完整的建模过程来说明RandomizedSearchCV的用法。当然，此工具并非随机森林所独有，它可用于优化任何模型的参数。随机森林模型：官方文档：

电脑最好用的温度软件

sklearn。ensemble。RandomForestRegressor从上图可以看出，随机森林模型具有许多参数，例如：n_estimators，max_depth，min_samples_split，min_samples_leaf，max_features，bootstrap等。每个参数都会对最终结果有影响。同时，每个参数都有许多值。我们的目标是找到最佳的参数组合，以使我们的模型发挥最佳作用。 RandomizedSearchCV工具：官方文档：

电脑测温哪个软件好用

sklearn。model_selection。RandomizedSearchCVRandomizedSearchCV参数说明：接下来，我们以温度数据集为例来演示RandomizedSearchCV的用法。
确定模型。温度数据集：链接：提取代码：bxcr任务目标：基于昨天和前天的一些历史天气数据，建立一个模型来预测当天的最高实际温度。数据集的主要特征表明该数据集作为一个整体来说是相对干净的，并且没有缺失值或离群值。在这一步中，我们熟悉了数据预处理的基本过程。从以上结果可以看出该数据集的总体情况。共有2191个样本。索引开始于0，结束于2190。共有12个功能，每个功能的数量为2191，缺失值（非空），类型（int64或对象或float64），内存使用205。5KB。由于数据没有缺失值，因此我们不需要处理缺失值。接下来我们看一下数据类型。由于计算机只能识别数字数据，因此我们必须将数据集中的非数字数据转换为数字数据。在此数据集中，只有“工作日”属于对象类型。由于我们要预测今天的温度值，因此日期数据（例如星期几和星期几）不会影响我们的结果。删除这些日期数据。数据集中有一个“朋友”功能。该值可能表示朋友猜测的结果。在建模过程中，我们不会关注此功能，因此我们删除了“朋友”功能。清理数据集后，下一步是将原始数据集分为要素和标签。然后将特征和标签再次分为训练特征，测试特征，训练标签和测试标签。为了构建初始模型，基本上所有模型都使用模型的默认参数，并且为了构建RF（RandomForestRegressor）模型，我们唯一地指定n_estimators参数。在此示例中，我们使用回归模型，并且预测结果为准确值。我们的目标是希望我们的预测与实际数据之间的差异尽可能大。因此，我们在这里选择的模型评估方法是均方误差（mean_squared_error）和均方根误差（root_mean_squared_error）。以下公式分别是MSE和RMSE的计算公式，其中Yi是真实值，Yi ^是预测值。
我们设置n_iter = 100，并且由于交叉验证的倍数= 3，因此该模型必须迭代300次。第二层显示了培训过程的持续时间，总共花费了6。2分钟才能完成培训。第三层显示了训练中涉及的参数。使用集成算法的属性来获取将由Random_model的最佳参数获得的最佳参数，将其传递给RF模型，再次训练参数，并预测结果。可以看出，参数优化后，模型的效果提高了2％。上一步基本上确定了参数的大致范围。在此步骤中，我们在此范围内进行了更详细的搜索。网格搜索的效率相对较低。在这里，我只选择了几个参数，但是花了9分钟。如果参数增加，则模型训练时间将显着增加。获得网格模型的最佳参数。将最佳模型参数传递给RF模型。再次训练数据并做出预测。从结果来看，该模型的效果并没有改善，表明在随机搜索过程中已经找到了最优参数。最后，模型预测的温度与实际温度相差4。96华氏度（2。75°C）。以该数据集为例，我们总结了数据挖掘和RandomizedSearchCV工具的整个过程。在具体的参数调整工作中，我们还将逐步优化参数，以不断减少预测值和真实值之间的误差。