sklearn中的评分预测(Python机器学习)
我正在看下面的IPython笔记本,它分析了 在笔记本中的某一点上,作者构建了以下模型: 在这一点上,我变得非常困惑。最后一行是怎么回事? 根据我所学到的,您应该基于模型创建一个预测,然后将该预测与sklearn中的评分预测(Python机器学习),python,machine-learning,scikit-learn,Python,Machine Learning,Scikit Learn,我正在看下面的IPython笔记本,它分析了 在笔记本中的某一点上,作者构建了以下模型: 在这一点上,我变得非常困惑。最后一行是怎么回事? 根据我所学到的,您应该基于模型创建一个预测,然后将该预测与y_测试值进行比较 我会这样做: predictions = decision_tree_classifier.predict(X_test) from sklearn.metrics import classification_report print classification_report(
y_测试值进行比较
我会这样做:
predictions = decision_tree_classifier.predict(X_test)
from sklearn.metrics import classification_report
print classification_report(y_test, predictions)
当作者根据测试输入和测试类
生成分数时会发生什么
得分(X,y,样本重量=无)
返回给定测试数据和标签的平均精度
这正是它所做的。它在内部对X_测试
进行预测,生成y_pred
,并将其与y_测试
进行比较,以计算准确度得分
您所做的是类似的,但有两个步骤。首先预测,然后与y\u测试进行比较。此外,您正在打印精度、召回率和f1分数。来自:
得分(X,y,样本重量=无)
返回给定测试数据和标签的平均精度
这正是它所做的。它在内部对X_测试
进行预测,生成y_pred
,并将其与y_测试
进行比较,以计算准确度得分
您所做的是类似的,但有两个步骤。首先预测,然后与y\u测试进行比较。此外,您正在打印精度、召回率和f1分数。为@Coldspeed的答案添加了一些细节,DecisionTreeClassifier
调用的分数。这是正确分类的百分比。只是指出这一点,因为我不觉得“平均准确度”那么直观
from sklearn.metrics import accuracy_score
y_pred = [0, 2, 1, 3]
y_true = [0, 1, 2, 3]
accuracy_score(y_true, y_pred)
Out[106]: 0.5
为@Coldspeed的答案添加了一点细节,DecisionTreeClassifier
调用的score
。这是正确分类的百分比。只是指出这一点,因为我不觉得“平均准确度”那么直观
from sklearn.metrics import accuracy_score
y_pred = [0, 2, 1, 3]
y_true = [0, 1, 2, 3]
accuracy_score(y_true, y_pred)
Out[106]: 0.5
用英语提问是个更好的主意用英语提问是个更好的主意