例如 –

X = iris.datay = iris.targetfrom sklearn.nighbors import KNeighborsClassifierknn = KNeighborsClassifier()knn.fit(X,y)pred = knn.predict([3,5,4,2])print(pred)

输出: [2] … 这里的2代表一个类别值如何计算这个预测的准确率？

回答：

如果你指的是概率而不是准确率，因为你无法在一个单点上计算准确率。

不要使用

pred = knn.predict([3,5,4,2])

而是使用

pred = knn.predict_proba([3,5,4,2])

这应该会给你数据点属于某个类别的概率。

如果你正在寻找整体模型的准确率，你可以进行交叉验证。

from sklearn.neighbors import KNeighborsClassifierfrom sklearn.metrics import cross_val_scorefrom sklearn import datasetsiris = datasets.load_iris()X = iris.datay = iris.targetknn = KNeighborsClassifier()scores = cross_val_score(knn, X, y, cv=10)print(score.mean())

输出

0.96666666666666679