Python 如何计算;你的训练是真的,你的训练是可能的,你的测试是真的,你的测试是可能的;?
我已经计算了Python 如何计算;你的训练是真的,你的训练是可能的,你的测试是真的,你的测试是可能的;?,python,machine-learning,Python,Machine Learning,我已经计算了X\u列,X\u测试,y\u列,y\u测试。但是我不能计算y\u train\u true,y\u train\u prob,y\u test\u true,y\u test\u prob 如何从以下代码计算y\u train\u true,y\u train\u prob,y\u test\u true,y\u test\u prob 列车: X_测试: y_列车: y_测试: N.B y_train_true:训练数据集中0或1的真二进制标签 y_train_prob:由
X\u列,X\u测试,y\u列,y\u测试
。但是我不能计算y\u train\u true,y\u train\u prob,y\u test\u true,y\u test\u prob
如何从以下代码计算y\u train\u true,y\u train\u prob,y\u test\u true,y\u test\u prob
列车:
X_测试:
y_列车:
y_测试:
N.B
y_train_true:训练数据集中0或1的真二进制标签
y_train_prob:由训练数据集的模型预测的{0,1}范围内的概率
y_test_true:测试数据集中0或1的真二进制标签
y_test_prob:测试数据集模型预测的{0,1}范围内的概率
代码:
# Split test and train data
import numpy as np
from sklearn.model_selection import train_test_split
X = np.array(dataset.ix[:, 1:10])
y = np.array(dataset['benign_malignant'])
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
#Define Classifier and ====
from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors = 5, metric = 'minkowski', p = 2)
# knn = KNeighborsClassifier(n_neighbors=11)
knn.fit(X_train, y_train)
# Predicting the Test set results
y_pred = knn.predict(X_train)
在你的例子中,
y\u-train
和y\u-test
已经是y\u-train\u-true
和y\u-test\u-true
。要获取y\u train\u prob
和y\u test\u prob
,您需要获取一个模型。我不知道您使用的是哪一个数据集,但这似乎是一个二元分类问题,因此您可以使用逻辑回归来进行此操作
from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors = 5, metric = 'minkowski', p = 2)
knn.fit(X_train, y_train)
y_train_prob = knn.predict_proba(X_train)
y_test_prob = knn.predict_proba(X_test)
y_测试和y_训练中的数据是什么样的?我使用的是
K近邻分类法。你是说x\u train\u prob=y\u train\u prob
和x\u test\u prob=y\u test\u prob
?@Md.RezwanulHaque ah yeh抱歉输入错误。已更新解决方案。但我收到此错误。proba(X\u train)AttributeError:'KNeighborsClassifier'对象没有属性“proba”
很抱歉,这是预测proba
。再试一次!