【机器学习】如何判断算法的性能

最新推荐文章于 2024-09-19 15:16:16 发布

胖猪也很努力

最新推荐文章于 2024-09-19 15:16:16 发布

阅读量803

点赞数

分类专栏：人工智能机器学习文章标签：算法机器学习 python

本文链接：https://blog.csdn.net/weixin_45571972/article/details/109550341

版权

本文探讨了如何判断机器学习算法的性能，通过将数据集划分为训练集和测试集，以测试数据进行预测。以sklearn库中的train_test_split方法为例，应用于KNN算法，通过计算预测结果的准确性来评估模型的表现。

摘要由CSDN通过智能技术生成

【机器学习】如何判断算法的性能

如何判断算法的性能

在这里插入图片描述
将原始数据分为两部分，一部分为训练数据，一部分为测试数据，让测试数据来经行预测，来判断训练出来的模型是怎样的。

在这里插入图片描述

测试我们算法实例：

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from sklearn import datasets



iris = datasets.load_iris()
X = iris.data
y = iris.target
print(X.shape)
print(y.shape)
#将X分为训练集和测试数据集，不能盲目的吧X分类，需要将原有的排列好的数据进行乱序
shuffle_indexes = np.random.permutation(len(X))
test_ratio