目前我正在尝试了解机器学习算法的工作方式,但有一件事情我没有真正理解,那就是预测标签的计算准确性和视觉混淆矩阵之间的明显区别。我会尽可能清晰地进行解释。
以下是数据集的代码片段(这里您可以看到9个样本(实际数据集中约4k),6个特征和9个标签(代表不是数字,而是某些含义,并且不能像7> 4> 1一样进行比较)):
f1 f2 f3 f4 f5 f6 label
89.18 0.412 9.1 24.17 2.4 1 1
90.1 0.519 14.3 16.555 3.2 1 2
83.42 0.537 13.3 14.93 3.4 1 3
64.82 0.68 9.1 8.97 4.5 2 4
34.53 0.703 4.9 8.22 3.5 2 5
87.19 1.045 4.7 5.32 5.4 2 6
43.23 0.699 14.9 12.375 4.0 2 7
43.29 0.702 7.3 6.705 4.0 2 8
20.498 1.505 1.321 6.4785 3.8 2 9
出于好奇心,我尝试了许多算法(线性、高斯、支持向量机(SVC、SVR)、贝叶斯等)。就我所理解的手册而言,在我的情况下最好使用分类器(离散),而不是回归(连续)。使用通用算法:
model.fit(X_train, y_train)
model.score(X_test, y_test)
我得到:
Lin_Reg: 0.855793988736
Log_Reg: 0.463251670379
DTC: 0.400890868597
KNC: 0.41425389755
LDA: 0.550111358575
Gaus_NB: 0.391982182628
Bay_Rid: 0.855698151574
SVC: 0.483296213808
SVR: 0.647914795849
连续算法取得了更好的结果。当我使用混淆矩阵验证贝叶斯岭回归的结果时,需要将浮点数转换为整数,结果如下所示:
Pred l1 l2 l3 l4 l5 l6 l7 l8 l9
True
l1 23, 66, 0, 0, 0, 0, 0, 0, 0
l2 31, 57 1, 0, 0, 0, 0, 0, 0
l3 13, 85, 19 0, 0, 0, 0, 0, 0
l4 0, 0, 0, 0 1, 6, 0, 0, 0
l5 0, 0, 0, 4, 8 7, 0, 0, 0
l6 0, 0, 0, 1, 27, 36 7, 0, 0
l7 0, 0, 0, 0, 2, 15, 0 0, 0
l8 0, 0, 0, 1, 1, 30, 8, 0 0
l9 0, 0, 0, 1, 0, 9, 1, 0, 0
是什么让我明白85%的准确率是错误的。这是如何解释的?这是因为浮点数/整数转换吗?
如果有任何直接的答案/链接等,将不胜感激。
sklearn.metrics.accuracy_score(y_test, model.predict(X_test))
这样吗? - sietschiemodel.predict()
的结果和标签,计算相等的条目数量,您应该能够了解计算准确率或混淆矩阵是否错误(或两者都有误)。 - sietschie