我使用sklearn库实例化了一个SVC对象,代码如下:
clf = svm.SVC(kernel='linear', C=1, cache_size=1000, max_iter = -1, verbose = True)
然后,我使用以下方法对数据进行拟合:
model = clf.fit(X_train, y_train)
其中X_-train是a(301,60),y_-train是(301,)ndarray(y_-train由类别标签“1”、“2”和“3”组成)。在
现在,在我偶然发现.score()方法之前,为了确定我在训练集中的模型的准确性,我使用了以下方法:
prediction = np.divide((y_train == model.predict(X_train)).sum(), y_train.size, dtype = float)
结果大约是62%。在
但是,当使用模型分数(X峎u train,y峎u train)方法I得到大约83%的结果。在
因此,我想知道是否有人可以向我解释为什么会这样,因为据我所知,他们应该返回相同的结果?在
附录:
Yu真的前10个值是:2,3,1,3,2,3,2,2,3,1。。。在
而对于y峎pred(当使用模型.预测(X_列车)),它们是:2,3,3,2,2,3,2,3,3。。。在