print("Training Set Accuracy:",sum(pred3[:,np.newaxis]==y)[0]/5000*100,"%")

这段代码是用来计算模型在训练集上的准确率的。其中，pred3是模型在训练集上的预测结果，y是训练集上的真实标签。

sum(pred3[:,np.newaxis]==y)表示预测正确的样本数，除以训练集总样本数（5000）并乘以100就可以得到准确率。

需要注意的是，仅仅使用训练集的准确率并不能完全反映模型的性能，因为模型可能会出现过拟合的情况。因此，我们还需要使用测试集来评估模型的泛化能力。

相关问题

print("Training Set Accuracy:",sum(pred[:,np.newaxis]==y)[0]/5000*100,"%")

这行代码是用来计算训练集上的准确率的。其中pred是模型在训练集上的预测结果，y是训练集上的真实标签。代码中np.newaxis是用来增加一个新的维度，让pred和y可以正确地相加。sum(pred[:,np.newaxis]==y)计算的是在所有样本中，预测结果和真实标签相同的数量。然后再除以样本总数（5000）并乘以100，得到准确率的百分比。最后，这个百分比会被打印出来。

这段代码什么意思print('accuracy: ', np.sum(pred == data[:, -1]) / pred.ravel().shape[0])

这段代码是用来计算预测结果的准确率。其中，pred是模型的预测结果，data[:, -1]是测试数据的真实标签。np.sum(pred == data[:, -1])统计预测正确的样本数量，pred.ravel().shape[0]是总样本数量（因为pred是一个二维矩阵，需要使用ravel()函数将其变成一维向量）。最终计算出来的结果就是模型的准确率。