评价 kNN 模型分类效果的好坏

本文介绍了如何使用Sklearn的model.score和accuracy_score函数评估kNN模型的分类效果。通过实例展示了如何计算模型得分,并对手写分类准确度算法进行了实践。通过三种方法得出一致的模型得分,加深了对模型评价的理解。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 
 

640?wx_fmt=png

【从零开始学机器学习第 04 篇】

摘要:理解 Sklearn 的 model.score 和 accuracy_score 函数。

上一篇文章我们手写了划分数据集的函数,把 178 个葡萄酒数据集划分成了 124 个训练样本和 54 个测试样本。

Sklearn 划分训练集和测试集(可点击)

数据准备好之后,我们下面就使用 kNN 模型来训练这份数据集,最后通过模型得分来评价分类效果。

调用 Sklearn 中的模型得分库

先来调用 Skearn 中的 kNN 模型计算模型得分:

640?wx_fmt=png
mark

只需要几行代码, Sklearn 就训练好了 kNN模型,并且给出了 0.76 的模型得分。也就是说这个 kNN 模型在 54 个红酒样本测试集上,正确分类出了 76% 的样本,剩下 24% 则预测错了,结果不坏但也算不上好。可以进一步优化模型,之后的文章我们再讲。

现在我们想搞明白 Sklearn 如何计算模型得分的。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值