machine-learning - 如何检查决策树和朴素贝叶斯的准确性?
问题描述
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
解决方案
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)。
推荐阅读
- python - 如何隐藏 SLURM 的 sbatch 的作业提交消息
- javascript - RadAsyncUpload OnClientValidationFailed 无故触发
- typescript - 如何使用枚举值作为打字稿接口中的键?
- javascript - 如何在 onclick 函数中加上单引号?
- html - 为什么外这里没有完全包围内部?
- mysql - 如何在 MySQL 的 ExtractValue 中使用 XPath `(//path)[n]` 语法
- spring - 如何使用 mockito 在 Spring Boot 中测试资源加载器
- python - 计算熊猫数据帧非连续行的滚动平均值
- node.js - 为什么我全局安装的 npm 包不能调用 ts-node?
- android - Android sqlite 查询和检查性能