在下面的代码(最后一行)中,根据文档使用了X_test和y_test:
返回给定的测试数据和标签
的平均准确度
问题是,由于X_test
具有测试数据中的数据并且y_test
具有这些数据的标签,因此将精确计算出什么。
检查预测标签与实际标签比较有意义。
您能告诉我第一种情况在最后一行如何工作吗?
X_train,X_test,y_train,y_test = train_test_split(iris_dataset['data'],iris_dataset['target'],random_state=0)
knn = KNeighborsClassifier(n_neighbors=1)
knn.fit(X_train,y_train)
print("Test set score: {:.2f}".format(knn.score(X_test,y_test)))