python - 如何使用训练结果来预测测试数据并得到误分类错误?
问题描述
在我训练模型并获得权重w=[8, 10]
(1 x 2 向量)和b=-5
超平面之后w^Tx+b=0
,我想使用这个超平面对测试数据集X_te
(51 x 2)进行分类。对于数据点x_i
,分类基于 if w^Tx_i+b \ge 1
then 分配标签y=1
和 if w^Tx_i+b \le -1
then 分配标签y=-1
。另外,我想1
在标签测试中计算和 ``-1 的数量并计算错误分类错误。如何用 Python 编写这样的代码?
pre=np.zeros(len(X_te))
for i in range(len(X_te))
if np.dot(w,np.transpose(X_te))-5>=1:
pre[i]=1
else:
pre[i]=-1
但是为什么没有输出呢?
解决方案
推荐阅读
- shell - 如何通过 Ansible 使用 AWK 命令
- amazon-web-services - 控制台上的 Elastic Beanstalk 环境未在 EB CLI 上显示
- python - 在不传递 self 的情况下声明子类
- android - 连接错误:io.socket.engineio.client.EngineIOException: xhr poll error
- php - 当我尝试更新行的一个字段时,为什么所有其他字段都会被删除?
- node.js - 无法使用 Socket.io 启动 NodeJS 服务器
- r - 将 ggplot2 stat_function 添加到现有图表
- vue.js - 为什么 Vuejs 禁用了媒体查询添加和删除组件的能力
- java - 令人困惑的 Zookeeper 内存使用情况
- checkstyle - 如何捕捉个人或组织编程的最佳实践?