我刚开始学习机器学习，特别是分类技术。

我在网上阅读了一些教程，并且使用了鸢尾花数据集。我尝试将数据集分为训练集和测试集，使用了以下代码：

train, test = train_test_split(df,                               test_size=test_size,                               train_size=train_size,                               random_state=random_state)

随后，我找到了两种拟合模型的方法（DecisionTreeClassifier 和 SVM）：

dt = DecisionTreeClassifier(min_samples_split=20, random_state=99)clf = svm.SVC(kernel='linear', C=1)

这两个模型都允许我使用 .fit() 和 .score() 方法。我尝试了不同大小和随机状态的重新采样数据，但使用这两个模型得到的分数完全相同，都是0.9852。我做错了什么吗？

另外，有没有必要像这里所说的那样将我的目标变量（“类别”）转换为数值？我尝试过使用原始的字符串值来拟合数据框，结果是一样的。任何帮助都将不胜感激！

回答：

正确使用 train_test_split 的方法如下所示：

from sklearn.datasets import load_irisfrom sklearn.model_selection import train_test_splitfrom sklearn.model_selection import cross_val_scorefrom sklearn.tree import DecisionTreeClassifierfrom sklearn.svm import SVCfrom sklearn.metrics import accuracy_score#加载鸢尾花数据，X: 特征，y: 目标/标签df = load_iris()y = df.targetX = df.data#分割数据X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.4, random_state= 99)#拟合两个分类器dt = DecisionTreeClassifier(min_samples_split=20, random_state=99)clf = SVC(kernel='linear', C=1)dt.fit(X_train, y_train)y_predicted_dt = dt.predict(X_test)scores_dt = accuracy_score(y_test, y_predicted_dt)print(scores_dt)clf.fit(X_train, y_train)y_predicted_clf = clf.predict(X_test)scores_clf = accuracy_score(y_test, y_predicted_clf)print(scores_clf)

结果：

#dt分类器的准确率0.933333333333#clf分类器的准确率0.983333333333

结论：

在你的情况下，你只将 df 作为 X 传递给了 train_test_split。

你不需要转换类别。只需使用 accuracy_score 或 cross_val_score 函数即可。