【Python机器学习】评估模型

以鸢尾花数据为例，将测试数据中的每朵鸢尾花进行预测，并将预测结果与已知标签结果进行对比，可以计算精度来衡量模型的优劣。精度就是品种预测正确的结果占比。

import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

iris_dataset=load_iris()
X_train,X_test,y_train,y_test=train_test_split(
    iris_dataset['data'],iris_dataset['target'],random_state=0
)

knn=KNeighborsClassifier(n_neighbors=1)
knn.fit(X_train,y_train)
KNeighborsClassifier(algorithm='auto',leaf_size=30,metric='minkowski',metric_params=None,n_jobs=1,n_neighbors=1,p=2,weights='uniform')


y_pred=knn.predict(X_test)
print('Test:{}'.format(y_pred))
print('score:{:.2f}'.format(np.mean(y_pred==y_test)))

从结果来看，模型的精度约为0.97，也就是预测结果里有97%都是正确的