在下面的代码(最后一行)中,根据文档使用X_test和y_test:
返回给定的测试数据和标签的平均准确度>
问题是精确计算出什么,因为
X_test
具有测试数据中的数据,而y_test
具有这些数据的标签。
检查预测标签与实际标签比较有意义。
您能告诉我第一种情况在最后一行中如何工作吗?
X_train, X_test, y_train, y_test = train_test_split(iris_dataset['data'], iris_dataset['target'],
random_state=0)
knn = KNeighborsClassifier(n_neighbors=1)
knn.fit(X_train, y_train)
print("Test set score: {:.2f}".format(knn.score(X_test, y_test)))
在下面的代码(最后一行)中,根据文档使用X_test和y_test:返回给定测试数据和标签的平均准确度问题是确切地计算出了什么...
如果检查docs: