Machine learning 如何检查决策树和朴素贝叶斯的准确性?
在不同症状的情况下,在决策树和朴素贝叶斯算法中表现出相同的准确性 我试图得到不同的准确度,但所有的结果都是一样的 这个项目是关于疾病预测的Machine learning 如何检查决策树和朴素贝叶斯的准确性?,machine-learning,scikit-learn,decision-tree,naivebayes,Machine Learning,Scikit Learn,Decision Tree,Naivebayes,在不同症状的情况下,在决策树和朴素贝叶斯算法中表现出相同的准确性 我试图得到不同的准确度,但所有的结果都是一样的 这个项目是关于疾病预测的 #decision_tree from sklearn import tree from sklearn.metrics import accuracy_score decision_tree = tree.DecisiontTreeClassifier() decision_tree = decision_tree.fit(train_x,train_
#decision_tree
from sklearn import tree
from sklearn.metrics import accuracy_score
decision_tree = tree.DecisiontTreeClassifier()
decision_tree = decision_tree.fit(train_x,train_y)
res_pred = decision_tree.predict(x_test)
print(accuracy_score(y_test,res_pred))
#naive_bayes
from sklearn.naive_bayes import GaussuanNB
gnb = gnb.fit(train_x,np.ravel(train_y))
y_pred = gnb.predict(x_test)
print(accuracy_score(y_test,y_pred)
结果始终为0.9512195121951219通常存在一些ML问题,这些问题非常简单,几乎每个模型都能在这些问题上同样出色地执行。要从两个模型中获得不同的结果,请尝试更改它们的超参数(如将决策树的最大深度设置为1)