【笔记】KNN之分类准确度

分类准确度

分类准确度

以sklearn中的手写数字datasets.load_digits为例，其是8*8的图形，具有64个特征值，类别由0到9

我们挑选出666这个图形，将其可视化

  X = digits.data
  some_digit = X[666]
  some_digit_image = some_digit.reshape(8,8)
  plt.imshow(some_digit_image,cmap = matplotlib.cm.binary)

我们使用自己的算法（见前笔记）
将比例设置成0.2，k=3

X_train,X_test,y_train,y_test=train_test_split(X,y,test_ratio=0.2)

将预测到的结果放到y_predict中

  y_predict = my_knn_clf.predict(X_test)

最后通过预测和测试进行比对，得到预测准确度

在pc中写入metrics.py，其中写入代码将准确度计算也封装起来

  import numpy as np

  def accuracy_score(y_true, y_predict):
      "“”计算准确率“”"
      assert y_true.shape[0] == y_predict.shape[0], \
          "this size of y_true must be equal to the size of y_predict"

      return sum(y_true == y_predict) / len(y_true)

运行结果无误

方便起见，我们直接将准确度计算放到knn算法中一并封装

由于我们对算法进行了改动，可能导致现在再运行的话，算法里面并没有现在我们新添加的内容，因此我们需要重新启动并运行所有代码块

我们就可以直接使用score得到准确度，而不是需要先对数据进行处理

scikit-learn中的accuracy_score

与前笔记中对sklearn数据集操作同理
注意：随机种子设置为666

  test_size=0.2, random_state=666