使用 Scikit-Learn 和 SVM 进行机器学习

Question

从 sklearn.datasets 模块加载流行数字数据集并将其分配给可变数字。

将 digits.data 分成两组名称 X_train 和 X_test。另外，将 digits.target 分成两组 Y_train 和 Y_test.

提示：使用sklearn.model_selection中的train_test_split()方法；将 random_state 设置为 30；并进行分层抽样。使用默认参数从 X_train 集和 Y_train 标签构建 SVM 分类器。将模型命名为 svm_clf.

评估测试数据集上的模型准确性并打印其分数。我使用了以下代码：

import sklearn.datasets as datasets
import sklearn.model_selection as ms
from sklearn.model_selection import train_test_split


digits = datasets.load_digits();
X = digits.data
y = digits.target

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=30)
    
print(X_train.shape)
print(X_test.shape)

from sklearn.svm import SVC
svm_clf = SVC().fit(X_train, y_train)
print(svm_clf.score(X_test,y_test))

我得到了以下输出。

(1347,64)
(450,64)
0.4088888888888889

但是我没能通过考试。有人可以帮忙解决问题吗？

Answer 1

您缺少分层抽样要求；修改您的拆分以包含它：

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=30, stratify=y)

检查documentation。

使用 Scikit-Learn 和 SVM 进行机器学习

Machine Learning Using Scikit-Learn & SVM

python

machine-learning

scikit-learn

svm