Sci-Kit 机器学习程序的结果代表什么？答案

【问题标题】：What do the results on a Sci-Kit machine learning program represent?Sci-Kit 机器学习程序的结果代表什么？
【发布时间】：2019-11-28 23:03:16
【问题描述】：

我正在浏览 Google 的机器学习视频，并完成了一个程序，该程序利用数据库收集有关鲜花的信息。程序成功运行，但我对结果有误解：

from scipy.spatial import distance
def euc(a,b):
    return distance.euclidean(a, b)

class ScrappyKNN():

    def fit(self, x_train, y_train):

        self.x_train = x_train

        self.y_train = y_train

   def predict(self, x_test):

        predictions = []

        for row in x_test:

            label = self.closest(row)

            predictions.append(label)

        return predictions

   def closest(self, row):

        best_dist = euc(row, self.x_train[0])

        best_index = 0

        for i in range(1, len(self.x_train)):

            dist = euc(row, self.x_train[i])

            if dist < best_dist:

                best_dist = dist

                best_index = i

        return self.y_train[best_index]

from sklearn import datasets

iris = datasets.load_iris()

x = iris.data

y = iris.target

from sklearn.model_selection import train_test_split

x_train, x_test, y_train, y_test = train_test_split(x,y, test_size =.5)

print(x_train.shape, x_test.shape)

my_classifier = ScrappyKNN()

my_classifier .fit(x_train, y_train)

prediction = my_classifier.predict(x_test)



from sklearn.metrics import accuracy_score

print(accuracy_score(y_test, prediction))

结果如下： (75, 4) (75, 4) 0.96

96% 是准确率，但 75 和 4 究竟代表什么？

【问题讨论】：

标签： python machine-learning scikit-learn

【解决方案1】：

您正在此行打印数据集的形状：

print(x_train.shape, x_test.shape)

x_train 和 x_test 似乎各有 75 行（即数据点）和 4 列（即特征）。除非您有奇数个数据点，否则这些维度应该相同，因为您在这条线上执行 50/50 的训练/测试数据拆分：

x_train, x_test, y_train, y_test = train_test_split(x,y, test_size =.5)

【讨论】：

【解决方案2】：

在我看来，您正在使用euclidean metrics 从头开始编写K Nearest Neighour。

根据您的代码x_train, x_test, y_train, y_test = train_test_split(x,y, test_size =.5)，您所做的是将train 和test 数据分别拆分为50%。 sklearn train-test-split 实际上是按行拆分数据，因此特征（列数）必须相同。因此(75,4) 是您的行数，然后分别是训练集和测试集的特征数。

现在，0.96 的准确度分数基本上意味着，在您的测试集中的 75 行中，96% 的预测正确。

这会比较您的测试集和预测集的结果（y_pred 从prediction = my_classifier.predict(x_test) 计算得出。）

TP, TN 是正确预测的数量，而 TP + TN + FP + FN 基本上总和为 75（您正在测试的总行数）。

注意：在执行train-test-split 时，通常最好将数据拆分为 80/20 而不是 50/50，以提供更好的预测。

【讨论】：