如何在 python 中处理泡菜文件时找到准确性？

Question

这是我的代码。在这里，我试图使用梯度提升回归器来预测故障数量。

from sklearn.ensemble import GradientBoostingRegressor
# GradientBoostingRegressor
regr3 = GradientBoostingRegressor(random_state=0)
regr3.fit(X_train, y_train.values.ravel())    

pkl_filename = "GradientBoostingRegressor.pkl"
    with open(pkl_filename, 'wb') as file:
        pickle.dump(regr3, file)

    # Load from file
    with open(pkl_filename, 'rb') as file:
        pickle_model = pickle.load(file)

    score = pickle_model.score(X_test, y_test)
    print("Test score: {0:.2f} %".format(100 * score))
    Ypredict = pickle_model.predict(X_test)
    print(Ypredict)
    a= Ypredict.reshape(-1,1)
    accuracy_score= pickle_model.score(a, y_test)
    print(accuracy_score)

在执行时，分数很容易计算 (99.69%)。但准确度没有计算。我还有另一个疑问——我们能否选择一个 test_score 最高的模型作为最佳模型。还是我应该找到准确度并找到准确度最高的那个来获得模型？ 遇到的错误是----“模型的特征数必须与输入匹配。模型n_features为52，输入n_features为1”

Answer 1

accuracy_score 用于检查分类模型的性能。由于您使用的是回归模型，因此您应该使用 r2 分数、mse 或 rmse 分数。更多信息请在此处查看所有model evaluation functions。

例如

from sklearn.metrics import r2_score
r2_score(a, y_test)