如何训练基于3对数组的模型

Question

我对整个机器学习主题还不太熟悉，我想从以下几个方面提出建议：

我有一个数组，最多有100个条目。条目是3元组的双精度：

例如

x: 0.01
y: 0.02
z: 0.03

数组示例：

^{pr2}$

我想训练一个模型，根据这些3元组的数组输出真或假。在

[(0.01, 0.02, 0.03), (0.01, 0.02, 0.03), ...] => true
[(0.02, 0.021, 0.03), (0.041, 0.022, 0.035), ...] => false

你建议我从哪里开始？你要用咖啡或是乳酪之类的东西吗。在

希望这个问题不要太宽泛。。。在

Answer 1

我建议从^{}开始，它已经包含了很多功能。在

下面是一个非常基本的例子，说明如何完成这样的事情：

import numpy as np

from sklearn.naive_bayes import GaussianNB
from sklearn.metrics import accuracy_score

np.random.seed(42)

# Generate some random data

X_train = np.random.rand(1000, 3)
y_train = np.random.randint(0, 2, len(X_train))

X_test = np.random.rand(2000, 3)
y_test = np.random.randint(0, 2, len(X_test))

# Train a classifier

clf = GaussianNB()
clf.fit(X_train, y_train)

# Test the classifier and print performance measure (here: accuracy)

y_pred = clf.predict(X_test)
y_random = np.random.randint(0, 2, len(X_test))

print('Accuracy (pred): {:.4f}'.format(accuracy_score(y_test, y_pred)))
print('Accureary (random): {:.4f}'.format(accuracy_score(y_test, y_random)))

将输出：

^{pr2}$

因为这都是随机数据，所以这个例子没有任何意义。但是，如果您的x，y，z元组对目标值确实有任何预测能力，那么您应该看到比random更高的精确度。在