将测试集的每个样本都通过该方式,分类得到预测值类别序列 ypred,并且将 ypred 与

真实标签类别序列 ytrue 进行对比，计算预测准确率。预测准确率是评估分类模型性能的重要指标之一，它可以反映出分类模型的预测准确程度。

计算预测准确率的方法是将预测正确的样本数量除以总样本数量，然后将结果乘以100%，以得到百分比形式的准确率。具体计算公式如下：

准确率 = (预测正确的样本数量 / 总样本数量) * 100%

在进行分类预测时，我们将测试集中的每个样本利用分类模型进行预测，得到预测值类别序列 ypred。然后，我们将 ypred 与真实标签类别序列 ytrue 进行对比。

对比的方式是逐一比较 ypred 和 ytrue 的对应位置上的值是否相等。如果相等，则说明预测正确；如果不相等，则说明预测错误。

统计预测正确的样本数量，然后将其除以总样本数量，最后乘以100%，即可得到预测准确率。

预测准确率越高，说明分类模型的性能越好，预测能力越强。反之，如果预测准确率较低，则需要进一步改进分类模型的算法或调整参数以提高预测准确性。