如何找出准确性？

Question

我想知道sklearn中是否有一个功能对应于准确度（实际和预测数据之间的差异）以及如何将其打印出来？

from sklearn import datasets 
iris = datasets.load_iris()
from sklearn.naive_bayes import GaussianNB
naive_classifier= GaussianNB()
y =naive_classifier.fit(iris.data, iris.target).predict(iris.data)
pr=naive_classifier.predict(iris.data)

Answer 1

scikit中的大多数分类器都有内置的score()函数，您可以在其中输入X_test和y_test，它将为该估计器输出适当的度量。对于分类估计，它主要是'mean accuracy'。

此外sklearn.metrics有许多功能可以输出不同的指标，如accuracy，precision，recall等。

对于您的具体问题，您需要accuracy_score

from sklearn.metrics import accuracy_score
score = accuracy_score(iris.target, pr)

Answer 2

你可以使用accuracy_score，找到文档here。

像这样实施 -

from sklearn.metrics import accuracy_score
accuracy = accuracy_score(prediction, labels_test)

这将返回一个浮点值。浮点值描述（正确分类的点数）/（测试集中的总点数）

Answer 3

对于分类问题，请使用“metrics.accuracy_score”，使用“metrics.r2_score”进行回归。

Answer 4

您必须从sklearn.metrics导入accuracy_score。它应该如下所示，来自sklearn.metrics import accuracy_score print accuracy_score（预测，测试标签集）

准确度的公式是正确分类的点数/测试集中的所有点