![](/img/trans.png)
[英]Why using SVM in Python in these two different ways gives a very different accuracy scores?
[英]Why the accuracy of svm in python and Matlab are different?
我将svm应用于数据集,并且达到了100%的精度! 但是当我使用matlab分类器应用程序时,准确率达到了98.8%。 在他们两个人的内核是RBF。 在python中,我使用20%的数据作为测试,并使用80%的数据作为训练数据。 有人可以解释吗?
all_data = pd.read_csv('data.csv', header=0, lineterminator="\n")
all_data = shuffle(all_data,random_state= 20)
all_data = all_data.apply(LabelEncoder().fit_transform)
data = np.array(all_data.drop('g', axis=1), dtype=np.float32)
labels = np.array(all_data['g'])
train_data = data[:200]
train_lable = labels[:200]
test_data = data[200:]
test_lable = labels[200:]
class_names = [25]
clf = svm.SVC(gamma=0.001)
clf.fit(train_data, train_lable)
score = clf.score(test_data,test_lable)
print(score)
最好在数据科学论坛上提问。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.