使用 Scikit-Learn 和 SVM 的机器学习

Question

从sklearn.datasets模块加载流行数字数据集并将其分配给可变数字。

将digits.data分成两组名称X_train和X_test 。 此外，将 digits.target 分成两组Y_train和Y_test 。

提示：使用 sklearn.model_selection 中的sklearn.model_selection train_test_split()方法； 将random_state设置为 30； 并进行分层抽样。 使用默认参数从X_train集和Y_train标签构建 SVM 分类器。 将 model 命名为svm_clf 。

在测试数据集上评估 model 的准确性并打印其分数。 我使用了以下代码：

import sklearn.datasets as datasets
import sklearn.model_selection as ms
from sklearn.model_selection import train_test_split


digits = datasets.load_digits();
X = digits.data
y = digits.target

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=30)
    
print(X_train.shape)
print(X_test.shape)

from sklearn.svm import SVC
svm_clf = SVC().fit(X_train, y_train)
print(svm_clf.score(X_test,y_test))

我得到以下 output。

(1347,64)
(450,64)
0.4088888888888889

但是我无法通过测试。 有人可以帮忙解决问题吗？

Answer 1

您缺少分层抽样要求； 修改您的拆分以包含它：

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=30, stratify=y)

检查文档。

Answer 2

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=30, stratify=y)

即使在使用它之后它也没有通过