機器學習算法的分類準確度
阿新 • • 發佈:2019-04-07
dataset 數據 鞏固 digits pan () its dict style
本章,我們使用sklearn自帶的手寫識別的數據集進行計算準確度,進而鞏固之前學的KNN算法。
import numpy as np import matplotlib.pyplot as plt from sklearn import datasets from sklearn.neighbors import KNeighborsClassifier from sklearn.model_selection import train_test_split digits = datasets.load_digits() x = digits.data #獲取特征值 y = digits.target #獲取標記 #將數據分為兩部分,訓練數據和測試數據 x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.2) #指定key值 knn = KNeighborsClassifier(n_neighbors=3) #進行擬合 knn.fit(x_train,y_train) y_predict = knn.predict(x_test) ratio = sum(y_predict==y_test)/len(y_test) print(ratio) #當我們不想要預測值的時候,我們可以直接使用knn對象的score函數進行得出準確度 ratio_bak = knn.score(x_test,y_test) print(ratio_bak)
本節主要是進行之前學的KNN算法進行鞏固,進而為後續的學習打好基礎。
機器學習算法的分類準確度