随机森林：如何获得训练精度以与测试精度进行比较

Question

在训练神经网络时，可以看到模型拟合时的模型性能，也可以很容易地看到模型在训练集上的准确率，例如：

Epoch 1/100
48000/48000 [==============================] - 6s - loss: 0.3747 - acc: 0.8732 - val_loss: 0.2888 - val_acc: 0.8935
Epoch 2/100
48000/48000 [==============================] - 6s - loss: 0.2216 - acc: 0.9178 - val_loss: 0.2942 - val_acc: 0.9010

我也不是指在火车上 verbose。但是可以通过某种方式了解训练集的准确度。

在下面的代码中，我们训练了一个 random forest 分类器并获得了它在训练集上的准确率。火车上的准确性如何？

model.fit(train_set, y_train)

y_pred = model.predict(test_set)
print("Accuracy:",accuracy_score(y_test, y_pred))

Answer 1

只需使用您的 train_set 作为预测的输入：

model.fit(train_set, y_train)

pred_train = model.predict(train_set)
pred_test = model.predict(test_set)

print("Accuracy train: ", accuracy_score(y_train, pred_train))
print("Accuracy test: ", accuracy_score(y_test, pred_test))

随机森林：如何获得训练精度以与测试精度进行比较

Random Forest: How to get the training accuracy for comparison to test accuracy

python

classification

machine-learning

random-forest