我在尝试对鸢尾花数据集进行预测。我决定使用支持向量机来完成这个任务。但是，它给我了一个1.0的准确率。这是过拟合的情况还是因为模型非常好？这是我的代码。

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)svm_model = svm.SVC(kernel='linear', C=1,gamma='auto')svm_model.fit(X_train,y_train)predictions = svm_model.predict(X_test)accuracy_score(predictions, y_test)

这里，accuracy_score返回了一个1的值。请帮助我。我是机器学习的新手。

回答：

您可以尝试使用交叉验证：

示例：

from sklearn.model_selection import LeaveOneOutfrom sklearn import datasetsfrom sklearn.svm import SVCfrom sklearn.model_selection import cross_val_score#加载鸢尾花数据iris = datasets.load_iris()X = iris.dataY = iris.target#构建模型svm_model = SVC( kernel ='linear', C = 1, gamma = 'auto',random_state = 0 )#创建交叉验证对象loo = LeaveOneOut()#计算交叉验证（留一法）的准确率分数scores = cross_val_score(svm_model, X,Y, cv = loo, scoring='accuracy')print( scores.mean() )

结果（因为我们使用了留一法，所以是150个折叠的平均准确率）：

0.97999999999999998

结论：

交叉验证（特别是LeaveOneOut）是避免过拟合并获得稳健结果的好方法。