如何在python中计算随机森林的训练和测试数据之间的准确性

Posted 2023-03-12

【中文标题】如何在python中计算随机森林的训练和测试数据之间的准确性

【英文标题】：How to calculate the accuracy between train and test data of random forest in python

【发布时间】：2021-01-01 12:37:27

【问题描述】：

我已经建立了一个随机森林模型，并用它来预测我的训练和测试数据，这些数据来自两个不同的数据框。

我想计算模型的准确率，但它不起作用，因为我的训练数据有 76 行，而我的测试数据只有 52 行。

如何在 python 中实现？

到目前为止，我所做的是尝试使用以下方法打印准确性：

print("Accuracy:", metrics.accuracy_score(y_pred_test, y_pred_train))

它给了我以下错误：

发现样本数量不一致的输入变量：[52, 76]

【参考方案1】：

metrics.accuracy_score() 函数状态的 sklearn 文档

准确度分类得分。 在多标签分类中，此函数计算子集准确度：为样本预测的标签集必须与 y_true 中对应的标签集完全匹配。

所以这个函数应该严格在y_true == y_pred的形状时使用。

改为，您可以使用model.score() 方法。您将不得不使用该功能两次，一次用于测试，一次用于训练组。例如：

from sklearn.ensemble import RandomForestClassifier
rf_classifier = RandomForestClassifier(n_estimators=200)
rf.fit(X_train, y_train)
print(f'Final Training Accuracy: rf.score(X_train,y_train)*100%')
print(f'Model Accuracy: rf.score(X_test,y_test)*100%')