我正在浏览以下 IPython Notebook,它分析了 Iris dataset
作者在笔记本中的某个时刻构建了以下模型:
此时我感到很困惑。最后一行发生了什么?
根据我的了解,您应该根据模型创建一个预测,然后将该预测与 y_test
值进行比较。
我会做以下事情:
predictions = decision_tree_classifier.predict(X_test)
from sklearn.metrics import classification_report
print classification_report(y_test, predictions)
当作者根据 testing_inputs
和 testing_classes
生成分数时,会发生什么情况?
最佳答案
来自docs :
score(X, y, sample_weight=None)
Returns the mean accuracy on the given test data and labels.
这正是它的作用。它在内部对 X_test
进行预测,生成 y_pred
并将其与 y_test
进行比较以计算准确性分数。
您所做的事情类似,但分两步。您首先进行预测,然后与 y_test
进行比较。此外,您还打印出精度、召回率和 f1 分数。
关于python - sklearn 中的预测评分(Python 机器学习),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44915004/