如何从样本数据中计算准确度分数？

Question

例如-

X = iris.data
y = iris.target

from sklearn.nighbors import KNeighborsClassifier

knn = KNeighborsClassifier()

knn.fit(X,y)

pred = knn.predict([3,5,4,2])

print(pred)

output: [2] ... 这里 2 代表一个类值 如何计算此预测的准确性？

Answer 1

如果您指的是概率而不是准确性，因为您无法计算单点的准确性。

代替

pred = knn.predict([3,5,4,2])

使用

pred = knn.predict_proba([3,5,4,2])

它应该为您提供属于类的数据点的概率。

如果您正在寻找整体模型的准确性，您可以进行交叉验证。

from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import cross_val_score
from sklearn import datasets

iris = datasets.load_iris()
X = iris.data
y = iris.target

knn = KNeighborsClassifier()
scores = cross_val_score(knn, X, y, cv=10)
print(score.mean())

输出

0.96666666666666679