Python 如何有效地找到线性分类模型的0/1损失?
机器学习新手。我试图在训练数据的权重后计算线性模型的0/1损失。我在这里看到了很多用于循环的答案。有没有办法把它矢量化?我的尝试如下:Python 如何有效地找到线性分类模型的0/1损失?,python,python-3.x,numpy,machine-learning,Python,Python 3.x,Numpy,Machine Learning,机器学习新手。我试图在训练数据的权重后计算线性模型的0/1损失。我在这里看到了很多用于循环的答案。有没有办法把它矢量化?我的尝试如下: prob = np.dot(X_train,w)>=0 pred = [int(i) for i in prob] error = np.sum(pred)/X_train.shape[0] 其中,w是经过训练的权重,X_列的形状为样本数X特征数我不确定您想做什么。但这应该有助于: prob = np.dot(X_train,w)>=0
prob = np.dot(X_train,w)>=0
pred = [int(i) for i in prob]
error = np.sum(pred)/X_train.shape[0]
其中,w是经过训练的权重,X_列的形状为样本数X特征数我不确定您想做什么。但这应该有助于:
prob = np.dot(X_train,w)>=0
pred = [int(i) for i in prob]
z0= [1 if y_val[i,0]!=pred[i] else 0 for i in range(len(pred)) ]
error = sum(z0)/len(z0)
请花些时间学习如何格式化代码(这真的很容易);这很公平,因为你要求我们在这里呆一段时间