每次分类器的准确度差异?
Each time accuracy differences with classifier?
每次我 运行 这段代码时,准确度都不同。任何人都可以解释为什么吗?我在这里错过了什么吗?提前致谢:)
下面是我的代码:
import scipy
import numpy
from sklearn import datasets
iris = datasets.load_iris()
X = iris.data
y = iris.target
X_train, X_test, y_train,y_test = train_test_split(X,y, test_size = .5)
# Use a classifier of K-nearestNeibour
from sklearn.neighbors import KNeighborsClassifier
my_classifier = KNeighborsClassifier()
my_classifier.fit(X_train,y_train)
predictions = my_classifier.predict(X_test)
print(predictions)
from sklearn.metrics import accuracy_score
print(accuracy_score(y_test,predictions))
train_test_split
将数据随机拆分为训练集和测试集,因此每次 运行 脚本时都会得到不同的拆分。如果需要,可以将 random_state
参数设置为某个数字,这将确保每次 运行 脚本时得到相同的拆分:
X_train, X_test, y_train,y_test = train_test_split(X,y, test_size = .5, random_state = 0)
这应该会给你每次 0.96
的准确度。
每次我 运行 这段代码时,准确度都不同。任何人都可以解释为什么吗?我在这里错过了什么吗?提前致谢:)
下面是我的代码:
import scipy
import numpy
from sklearn import datasets
iris = datasets.load_iris()
X = iris.data
y = iris.target
X_train, X_test, y_train,y_test = train_test_split(X,y, test_size = .5)
# Use a classifier of K-nearestNeibour
from sklearn.neighbors import KNeighborsClassifier
my_classifier = KNeighborsClassifier()
my_classifier.fit(X_train,y_train)
predictions = my_classifier.predict(X_test)
print(predictions)
from sklearn.metrics import accuracy_score
print(accuracy_score(y_test,predictions))
train_test_split
将数据随机拆分为训练集和测试集,因此每次 运行 脚本时都会得到不同的拆分。如果需要,可以将 random_state
参数设置为某个数字,这将确保每次 运行 脚本时得到相同的拆分:
X_train, X_test, y_train,y_test = train_test_split(X,y, test_size = .5, random_state = 0)
这应该会给你每次 0.96
的准确度。