我正在进行一个项目，预测体育赛事的结果。为此，我预测单个赛事的赢家和输家，然后根据预测下注。如果考虑所有赛事，我的策略在59%的赛事中能获得正收益。
我想只在预期能赢的赛事上下注。为此，我使用sklearn将赛事分类为预期能盈利和亏损的赛事，然后只在被分类为盈利赛事上进行下注。我的模型准确率为0.60，并且通过以下代码生成和测试：
knn = KNeighborsClassifier(n_neighbors = 6)knn.fit(df_classifier, data_indicator)y = data_indicator.valuesX = df_classifier.valuesX_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.3, random_state = 21, stratify = y)knn = KNeighborsClassifier(n_neighbors = 300)knn.fit(X_train, y_train)y_pred = knn.predict(X_test)knn.score(X_test,y_test) 据我所知，准确率是指正确预测的事件数量。因此，如果正确和错误的预测在每个结果（盈利和非盈利赛事）上的分布是均匀的，那么20%的盈利赛事会被错误分类，亏损赛事也是如此。
这是否意味着，如果我只在预测为盈利的赛事上下注，我的准确率会从59%提高到(59+20)% = 79%，从而在我的下注中获得回报？
此外，如果我的推理正确的话，是否有可能看到我赢和输的赛事结果中正确和错误的分布情况。
回答：
我不理解你的逻辑，但这听起来不对。这更像是一个数学问题而不是编程问题。但你可以通过添加以下两行代码来查看正确和错误结果的分布情况：
from sklearn.metrics import confusion_matrixprint(confusion_matrix(y_test, y_pred))查看更多详情，请访问：https://scikit-learn.org/stable/modules/model_evaluation.html#confusion-matrix希望这对你有帮助。
