当我使用10倍交叉验证运行此过程时,预测 结果与标签数据正好相反,我的准确度为零。 无法解决为什么?
kfold = model_selection.KFold(n_splits=5,random_state=+7,shuffle=False)
predictions = model_selection.cross_val_predict(SVC(),features_list,labels_list,cv=kfold)
accuracy=metrics.accuracy_score(labels_list,predictions)
print(confusion_matrix(labels_list,predictions))
print(classification_report(labels_list,predictions))
print("Accuracy Score:",accuracy)
答案 0 :(得分:0)
请勿使用cross_val_predict
在scikit-learn中评估模型(警告部分:https://scikit-learn.org/stable/modules/cross_validation.html#obtaining-predictions-by-cross-validation)
相反,请使用cross_val_score
,它将针对在根据交叉验证构建的10个不同数据集上测试的10个模型返回10个精度。查看平均得分和标准差。开发。进行评估。