SVM：对测试数据进行评分

Question

我正在使用scikit-learn 并想在测试集上评估SVM 的predicition。

from sklearn.svm import SVC
import numpy


dataset = numpy.loadtxt("training.txt", delimiter="\t")
X = dataset[:,0:15]
y = dataset[:,15:16]
y = y.ravel()

test_dataset_1 = numpy.loadtxt("test_14-15.txt", delimiter="\t")
X_test_1 = test_dataset_1[:,0:15]
y_test_1 = dataset[:,15:16]
y_test_1 = y_test_1.ravel()

model = SVC(kernel='linear', C=75) 

model.fit(X, y)

score_1 = model.score(X_test_1, y_test_1)

我得到了 ValueError：

发现样本数量不一致的输入变量：[1682, 192]

我的训练集有 1682 个样本，我的测试集有 192 个。但我只是在 score-method 中使用测试集。为什么会出现此错误？

Answer 1

改变这个：

y_test_1 = dataset[:,15:16]

到这里：

y_test_1 = test_dataset_1[:,15:16]

您正在再次读取y_test_1 中的原始火车数据，因此它与X_test_1 中的样本数不匹配。