如何使用 Knn 模型测量 MSE 误差？答案

【问题标题】：How can I measure the MSE error with Knn model?如何使用 Knn 模型测量 MSE 误差？
【发布时间】：2021-08-01 16:33:53
【问题描述】：

假设我有一个如下的数据框：

   a  b  Class
0  1  2  yes
1  4  5  yes
2  7  8  No
3  10 5  No
4  4  5  No
5  1  2  No
6  8  1  yes
7  4  5  yes
8  7  8  No

并且我想预测以下 test_sample 的类别：

   a  b  Class
0  5  3   ?

所以，我像这样训练我的 KNN 模型：

from sklearn.neighbors import KNeighborsClassifier
k = 3
knn = KNeighborsClassifier(n_neighbors = k)
knn = knn.fit(Dataset.drop("Class", axis=1), Dataset["Class"])
knn.predict(test_sample)

我的目标是如何测量 MSE 误差以及如何计算混淆矩阵？

【问题讨论】：

标签： python dataframe knn confusion-matrix mse

【解决方案1】：

举个例子：

import pandas as pd
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import mean_squared_error
from sklearn import preprocessing
from sklearn.metrics import confusion_matrix
k = 3

Dataset = pd.DataFrame({'a':[1,4,7,10,4,1,8,4],'b':[2,5,8,5,5,2,1,5],'Class':['y','y','n','n','n','n','y','y']})
knn = KNeighborsClassifier(n_neighbors = k)
knn = knn.fit(Dataset.drop("Class", axis=1), Dataset["Class"])

test_ds = pd.DataFrame({'a':[1,4,1,1,4,1,8,4],'b':[2,1,1,5,1,2,1,5],'Class':['y','y','n','n','n','n','y','y']})
y_pred = knn.predict(test_ds.drop("Class", axis=1))
y_true = test_ds['Class']
y_true = y_true.values
le = preprocessing.LabelEncoder() # We are using label encoder to convert categorical labels to number
le.fit(y_true) # Since this array contains both classes 'y' and 'n'.
print(list(le.classes_)) # To check the classes which are encoded

y_true = le.transform(y_true) 
y_pred = le.transform(y_pred)
MSE = mean_squared_error(y_true, y_pred) # Calculating MSE 
print(MSE)
cm = confusion_matrix(y_true,y_pred) # Creation of Confusion Matrix
print(cm)

【讨论】：

谢谢 KnowledgeGainer，感谢您的回答。你的澄清很有帮助。只有一个简单的问题：当您说 train_ds 时，您是指整个数据集吗？由于您尚未在代码中指定名称 train_ds。
抱歉我的问题是test_ds，谢谢指出，我更正了。
@Andrea 很高兴为您提供帮助。