Python 学习 scikit-learn 预测准确率计算

最新推荐文章于 2025-06-29 22:20:03 发布

原创

最新推荐文章于 2025-06-29 22:20:03 发布 · 1.8w 阅读

34 ·

CC 4.0 BY-SA版权

本文介绍了如何在Python中利用scikit-learn库计算预测模型的准确率和召回率，专注于分类任务的评估指标。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.评价

    x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=1, train_size=0.6)

    # 分类器
    clf = svm.SVC(C=0.1, kernel='linear', decision_function_shape='ovr')
    # clf = svm.SVC(C=0.8, kernel='rbf', gamma=20, decision_function_shape='ovr')
    clf.fit(x_train, y_train.ravel())

    # 准确率
    print clf.score(x_train, y_train)  # 精度
    print '训练集准确率：', accuracy_score(y_train, clf.predict(x_train))
    print clf.score(x_test, y_test)
    prin