Python3入门机器学习

2.4 分类准确度

在上一节中，我们用这样一行代码来求预测的准确率：

sum(y_predict == y_test)/len(y_test)

我们可以将它封装成一个函数。
(1).封装求分类准确度的函数：
将它封装成一个函数，写在metrics（衡量指标）模块下，函数名为“accuracy_score”。具体的函数封装如下：

import numpy as np

def accuracy_score(y_true, y_predict):
    '''计算y_true和y_predict之间的准确率'''
    assert y_true.shape[0] == y_predict.shape[0], \
        "the size of y_true must be equal to the size of y_predict"

    return sum(y_true == y_predict) / len(y_true)

这样我们就可以直接调用这个函数，来求解分类的准确度，如下：

(2).进一步封装一个函数，不需要求预测值，就能得到准确率：
以上是用KNNClassifier预测出y_predict，再看它与真值之间的准确率是怎样的。不过有些时候我们对预测值是多少不感兴趣（不想求出它），我们只对模型的准确率感兴趣，这样我们可以在我们的kNN算法里进一步封装一个函数，也就是求这个kNN算法它的准确度是怎样的。封装如下：

    def score(self, X_test, y_test):
        '''根据测试数据集 X_test 和 y_test 确定当前模型的准确度'''
        y_predict = self.predict(X_test)
        return accuracy_score(y_test, y_predict)

这样我们就可以直接调用这个函数，来求解分类的准确度，如下：

(3).使用scikit-learn中的accuracy_score：