#使用训练好的模型对x .test进行预测,结果存储在变量y_ pred中 y_ pred = classifier . predict(x_ test) #构建混淆矩阵 #导入构建混淆矩阵的方法 from sklearn . metrics import confusion matrix #分别传入测试集的真实值和预测值来构建混淆矩阵,y_ test是样本真实结果,y pred是样本预测结果 cm = confusion_ matrix(y_ _test, y_ pred) print(cm) #使用逻辑回归模型自带的评分函数score获得模型在测试集_上的准确性结果 print('accuracy of lr classifier:' ,classifier.score(x_ test,y_ test))
时间: 2023-06-05 16:47:07 浏览: 189
使用训练好的模型进行预测
以下是回复:
首先,使用训练好的模型对测试集x_test进行预测,并将结果存储在y_pred变量中:
y_pred = classifier.predict(x_test)
然后,导入构建混淆矩阵的方法:
from sklearn.metrics import confusion_matrix
接着,构建混淆矩阵:
cm = confusion_matrix(y_test, y_pred)
print(cm)
最后,使用逻辑回归模型自带的评分函数score,获得模型在测试集上的准确性结果:
print('accuracy of lr classifier:', classifier.score(x_test, y_test))
阅读全文