基于ScikitLearn和SVM的机器学习

2024-03-29 14:49:02 发布

您现在位置:Python中文网/ 问答频道 /正文

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

将数据分成两组,分别命名为X_train和X_test。此外,将数字分割为两组Y_train和Y_test

提示:使用sklearn.model\u选择中的train\u test\u split方法;将随机_状态设置为30;并进行分层抽样。 使用默认参数,从X_序列集和Y_序列标签构建SVM分类器。将模型命名为svm_clf

在测试数据集上评估模型的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))

我得到了下面的输出

(1347,64)
(450,64)
0.4088888888888889

但是我不能通过考试。有人能帮上忙吗


Tags: 数据testimportmodeltrain序列数字sklearn