Python 与许多分类器的验证精度相比，训练集的精度低得离奇。这正常吗？

我认为在拟合数据和预测训练集之后，应该会得到接近100%的准确率。我的意思是这才有意义。该算法基于该数据集进行学习。但当我这样做的时候：

classifier.fit（X\u序列，y\u序列）
pred=分类器。预测（X_检验）
打印（准确度评分（y检验，pred））
>>> 0.810126582278481

这很好。但是，如果我这样做：

pred=分类器。预测（X_序列）
打印（准确度分数（y列，pred））
>>> 0.6677316293929713

这不是一种谬论吗？还是我做错了什么。。。？这适用于RandomForestClassifier、MLPC Classifier和SVC

答案很好地解释了这种行为。您有一个正则化项（或“惩罚”参数）

C

，默认值为1；这防止了过度装配，并解释了低精度的原因。尝试通过执行以下操作增加参数

C

的值：

classifier=svm.SVC（C=200000）
分类器。配合（X_系列，y_系列）
pred=分类器。预测（X_序列）
打印（准确度分数（y列，pred））

@Snusifer考虑接受这一正确答案，如果这有帮助：）