分類學習

輸入：一組有標簽的訓練數據(也稱觀察和評估)，標簽表明了這些數 據（觀察）的所署類別。

輸出：分類模型根據這些訓練數據，訓練自己的模型參數，學習出一個 適合這組數據的分類器，當有新數據（非訓練數據）需要進行類別判斷，就 可以將這組新數據作為輸入送給學好的分類器進行判斷。

劃分數據集

訓練集(training set):顧名思義用來訓練模型的已標注數據，用來建 立模型，發現規律。

測試集(testing set):也是已標注數據，通常做法是將標注隱藏，輸送 給訓練好的模型，通過結果與真實標注進行對比，評估模型的學習能力。

訓練集/測試集的劃分方法：根據已有標注數據，隨機選出一部分數據 （70%）數據作為訓練數據，余下的作為測試數據，此外還有交叉驗證法， 自助法用來評估分類模型。

評價標準

精確率：精確率是針對我們預測結果而言的，（以二分類為例）它表示 的是預測為正的樣本中有多少是真正的正樣本。那么預測為正就有兩種可能 了，一種就是把正類預測為正類(TP)，另一種就是把負類預測為正類(FP)， 也就是

召回率：是針對我們原來的樣本而言的，它表示的是樣本中的正例有多 少被預測正確了。那也有兩種可能，一種是把原來的正類預測成正類(TP)， 另一種就是把原來的正類預測為負類(FN)，也就是

總結

以上是生活随笔為你收集整理的sklearn分类模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。