SKLearn中预测准确率函数介绍

最新推荐文章于 2025-03-13 12:05:13 发布

dichuanyan5669

最新推荐文章于 2025-03-13 12:05:13 发布

阅读量2.5k

点赞数

CC 4.0 BY-SA版权

文章标签：人工智能数据结构与算法 python

原文链接：http://www.cnblogs.com/hd-chenwei/p/a679d6eee216db0b261e0ebf855545ec.html

本文介绍了在SKLearn中如何使用classification_report函数来计算机器学习算法的预测准确率。通过示例代码展示了预测过程和confusion_matrix的使用，详细解释了输出报告中的precision、recall、f1-score和支持度(support)等指标。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

SKLearn中预测准确率函数介绍

1、在使用Sklearn进行机器学习算法预测测试数据时，常用到classification_report函数来进行测试的准确率的计算输

#开始预测
y_pred = clf.predict(X_test)
print("done in %0.3fs" % (time() - t0))
#通过该函数，比较预测出的标签和真实标签，并输出准确率
print(classification_report(y_test, y_pred))
#建立一个矩阵，以真实标签和预测标签为元素
print(confusion_matrix(y_test, y_pred, labels=range(n_classes)))

下图为Eclipse下cl