machine-learning - 如何检查决策树和朴素贝叶斯的准确性？

Question

在具有不同症状的决策树和朴素贝叶斯算法中显示相同的准确性

我试图获得不同的准确性，但所有结果都保持不变

这个项目是关于疾病预测的

#decision_tree

from sklearn import tree
from sklearn.metrics import accuracy_score

decision_tree = tree.DecisiontTreeClassifier()
decision_tree = decision_tree.fit(train_x,train_y)
res_pred = decision_tree.predict(x_test)
print(accuracy_score(y_test,res_pred))

#naive_bayes

from sklearn.naive_bayes import GaussuanNB
gnb = gnb.fit(train_x,np.ravel(train_y))

y_pred = gnb.predict(x_test)
print(accuracy_score(y_test,y_pred)

结果始终为 0.9512195121951219

标签： machine-learningscikit-learndecision-treenaivebayes

Answer 1

通常有一些 ML 问题非常简单，几乎每个模型在它们上的表现都一样好。要从两个模型中获得不同的结果，请尝试更改它们的超参数（例如将决策树的最大深度设置为 1）。