Question

我有两个数组，必须从中找到预测的准确性。

predictions = [1, 0, 0, 1, 1, 1, 0, 1, 1, 0]

     y_test = [1, 0, 0, 1, 0, 1, 0, 1, 1, 1]

所以在这种情况下，精度为=（8/10）* 100 = 80％

我已经编写了一种方法来执行此任务。这是我的代码，但是在这种情况下，我的准确率达不到80％。

def getAccuracy(y_test, predictions):
    correct = 0
    for x in range(len(y_test)):
        if y_test[x] is predictions[x]:
            correct += 1
    return (correct/len(y_test)) * 100.0

感谢您的帮助。

Answer 1

如果数组中的数字在python解释器未重新创建的特定范围内，则您的代码应该工作。这是因为您使用了is，它是一个身份检查而不是一个相等检查。因此，您正在检查的内存地址仅在特定的数字范围内相等。因此，请改用==，它将始终有效。

对于更多Pythonic解决方案，您还可以查看列表推导：

assert len(predictions) == len(y_test), "Unequal arrays"
identity = sum([p == y for p, y in zip(predictions, y_test)]) / len(predictions) * 100

Answer 2

如果您想将80.0作为示例结果，那就是这样做。

Answer 3

您的代码会根据需要提供80.0，但是您应该使用==而不是is，请参阅reason。

def getAccuracy(y_test, predictions):
   n = len(y_test) 
   correct = 0
   for x in range(n):
       if y_test[x] == predictions[x]:
           correct += 1
   return (correct/n) * 100.0


predictions = [1, 0, 0, 1, 1, 1, 0, 1, 1, 0]
y_test = [1, 0, 0, 1, 0, 1, 0, 1, 1, 1]

print(getAccuracy(y_test, predictions))
80.0

这是使用Numpy的实现：

import numpy as np

n = len(y_test)
100*np.sum(np.isclose(predictions, y_test))/n

或者如果您将列表转换为numpy数组，那么

100*np.sum(predictions == y_test)/n

比较两个数组以提高KNN预测的准确性

3 个答案: