Python 评估预测'；s精度

我已经训练并测试了KNN分类器。我已经过了，平均分还不错。现在，我想预测一些真实数据的标签。但是有没有一种方法可以证明预测的准确性呢？我只想在准确度足够高的情况下保存预测标签。我正在使用Python和scikit学习。

正如@jornsharpe所说，

predict\u proba

应该做到这一点

它提供了一个包含所有类别概率的数组。比如说，你有3个类别[A，B，C]。

predict\u proba

方法将返回 [0.2,0.3,0.5]. 所以你的准确度是

A=0.2
B=0.3
C=0.5

例如：

categories = [A, B, C]
X = # put your data
Y = # put your result

classifier.fit(X, Y)
prediction = classifier.predict_proba(X) # predict whatever you want here

for line in prediction:
    # numpy.argmax return the index of the biggest value in the array
    # max return the biggest value
    print("The class is %s with proba : %f " % (categories[numpy.argmax(line)], max(line, key=float)))

---

重要信息：注意类别数组中的顺序。predict_proba结果的内容根据类别进行词汇排序。在处理结果之前，请毫不犹豫地对类别进行排序

您是否检查了“有很多方法可以评估您的模型”您所说的准确性是什么意思？你是说有多少分类器的分类与真实数据相匹配（在这种情况下，你需要一个真理点来进行比较），还是说分类器对它所做的每个分类有多确定？@EdChum，我是说的，但这是模型评估，不是预测评估。@Jornsharpe，我想知道分类器对它预测的标签有多确定。假设预测A的准确率为90%，那么很有可能它是正确的，我会将其保存到我的数据库中。@AndreiHorak您看过了吗？分类器还将具有一个

classes\uu

属性，该属性为您提供使用的顺序。