专栏首页AI机器学习与深度学习算法机器学习入门 4-4 分类精度

机器学习入门 4-4 分类精度

本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍kNN算法的分类精度以及在sklearn中的实现。

分类精度

通过上一小节的介绍,我们使用Train_Test_Split方法将这个数据集划分为训练集和测试集,通过训练集训练得到机器学习模型,之后通过测试集评测模型的效果。评测模型的效果是通过计算测试集在模型中得到标签与真实的测试集标签相同的样本数量除以测试集总数,即分类的准确度(accuracy)来近似的。

下面我们使用sklearn封装好的手写数字数据集,自己简单代码得到分类的精确度:

因为计算分类精度的功能非常常用,因此我们将其加入playML包下,在playML包下新建一个名为"metrics"(度量)的Python文件,里面的内容如下:

在jupyter中调用即可:

但是有时候,测试集在模型上的预测结果"y_predict",我们并不感兴趣,因为应用测试集只是为了验证模型的准确度,因此可能不在需要有"y_predict"这个中间结果。

其实就是更进一步的封装,只需要将y_predict封装在计算模型准确度的函数中,此时只能在kNN.py文件中封装,因为y_predict是和具体模型有关的。在kNN.py文件中加入下面代码:

因为此前我们在jupyter中已经导入过kNN.py文件了,因此需要重新执行一遍代码,保证导入新的kNN.py文件。

在jupyter中直接计算分类精度:

sklearn中的分类精度

这里简单总结一下求解分类精度:

本文分享自微信公众号 - AI机器学习与深度学习算法(AI-KangChen),作者:Chenkc

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-05-14

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 机器学习入门 10-1 准确度的陷阱和混淆矩阵

    本系列是《玩转机器学习教程》一个整理的视频笔记。本小节探讨使用分类准确度指标可能会引发的问题,对于极度偏斜的数据使用分类准确度并不能准确的评价算法的好坏。最后介...

    Chenkc
  • 机器学习入门 4-2 scikit-learn中的机器学习算法封装

    本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍使用sklearn实现KNN算法。

    Chenkc
  • 机器学习入门 4-9 更多有关k近邻算法的思想

    本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要使用kNN算法解决回归问题的思路以及回顾总结前面学习到的知识。

    Chenkc
  • Python 实现一个火车票查询的工具

    使用 python 实现一个查询火车票的小工具 主要功能: 输入出发车站,到达车站,时间,然后返回所有的车次信息,和余票信息 支持输入附加选项查询不同的火车的类...

    CDA数据分析师
  • 简单介绍一下大文件传输的4种方式

    由于业务需要,如今,发送100M以上甚至是GB级大小的文件变得越来越普遍,比如设计稿件、软件开发包、视频素材等,一张图片2-3G、一本书稿4-5G、一个视频片段...

    企业文件数据交换
  • Github项目推荐 | 面向任务对话的全局到本地存储指针网络

    本项目是ICLR 2019论文《面向任务的对话的全局到本地存储指针网络》的PyTorch代码实现

    AI研习社
  • 《麦肯锡 问题分析与解决技巧》——阅读笔记(共16章)

    《麦肯锡 问题分析与解决技巧》是一本关于问题分析与如何解决问题的书籍,在阅读过程中收获不少,因此留下读书笔记方便其他人来进行学习。

    黄Java
  • 丢人!Caffe2推出才几天,就被谷歌TensorFlow吊打了

    两周前,Facebook大张旗鼓地开源了Caffe2深度学习框架,它在英伟达DGX-1平台上的高性能表现极为亮眼。 Google立刻动手反制,没几天就给出新版...

    AI科技大本营
  • 数据中心冷战:风冷未央 液冷已至

    近几年,数据中心的能耗问题受到越来越多的关注,并且已经成为制约数据中心行业可持续发展的重要因素。为此,2013年以来,政府相继出台了多项政策,对新建数据中心的节...

    企鹅号小编
  • C++の表达式(2)

    今天,我们继续接着昨天的说,昨天说到了C++中表达式的左值与右值,由于时间关系就没有详细说完整。今天我们继续补充一下。

    leoay

扫码关注云+社区

领取腾讯云代金券