0
나는 분류 목적으로 sklearn.lda를 사용하고 있으며, 평균 분류 오류를 인쇄하는 스코어 함수에 대해 조금 혼란 스럽습니다. 잭 나이프를 하나 남겨두고 결정합니까? 결과를 어떻게 해석합니까? 많은 문서가없는 유일한 부동 소수점 값입니다. 사전에선형 판별 분석
감사합니다, EL
나는 분류 목적으로 sklearn.lda를 사용하고 있으며, 평균 분류 오류를 인쇄하는 스코어 함수에 대해 조금 혼란 스럽습니다. 잭 나이프를 하나 남겨두고 결정합니까? 결과를 어떻게 해석합니까? 많은 문서가없는 유일한 부동 소수점 값입니다. 사전에선형 판별 분석
감사합니다, EL
score
방법은 샘플 X
과 그들의 진정한 라벨 y
소요 y
으로 자신의 예측을 비교합니다. 평균 정확도를 반환하며, 이는 항상 하나의 그림입니다. 예를 들어,
lda = LDA().fit(X, y)
print(lda.score(X, y))
은 고유 한 교육 세트에서 분류 기준의 정확도를 인쇄합니다.
모든 분류 기준은 보통 score
방법을 사용합니다. 일반적으로 (반드시 그런 것은 아니지만) 평균 정확도를 반환합니다. 이 방법은 명시 적으로 scoring
인수를주지 않으면 모델 선택 알고리즘 GridSearchCV
에 의해 분류 자의 품질을 결정하는 데 사용됩니다.
신속한 답변을 보내 주셔서 감사합니다. 이제 내 질문은 : 출력 값을 어떻게 해석합니까? 방금 테스트 세트 0.8을 받았습니다. 어쨌든 클래스 이름을 주셔서 감사합니다. –
@EldDude : 테스트 세트의 정확도가 80 %임을 의미합니다. 그게 좋은 일인지 여부는 문제에 달려 있습니다. –
cool. 감사. 하나의 마지막 질문 : 어떤 방법이 판별 함수의 매개 변수를 제공합니까? get_params는 나에게 이것을 준다 : { 'priors': None, 'n_components': None} –