12、分类算法的深入解析与实践

分类算法的深入解析与实践

1. 分类算法基础

在分类问题中，我们常常需要评估模型的性能。以下是一段用于打印模型训练和测试集混淆矩阵及准确率的代码：

print(model_name)
print("================================")
print("Training confusion matrix: ")
print(cm_train)
acc_train = (cm_train[0,0] + cm_train[1,1]) / sum(sum(cm_train))
print("TrainSet: Accurarcy %.2f%%" % (acc_train*100))
print("================================")
y_pred = model.predict(scaled_X_test)
cm_test = confusion_matrix(y_test,y_pred)
print(cm_test)
acc_test = (cm_test[0,0] + cm_test[1,1]) / sum(sum(cm_test))
print("Testset: Accurarcy %.2f%%" % (acc_test*100))
print("================================")

通过这段代码，我们可以清晰地看到模型在训练集和测试集上的表现，混淆矩阵能够直观地展示模型的分类情况，准确率则是衡量模型性能的重要指标。

2. 逻辑回归（Logistic Regression）