求机器学习中预测结果准确值accuracy的python代码,要求不用sklearn库
时间: 2024-05-05 08:15:36 浏览: 12
以下是一个简单的Python代码,用于计算预测结果准确度(accuracy),不使用sklearn库:
```python
def accuracy_score(y_true, y_pred):
"""
计算预测结果准确度
:param y_true: 实际标签列表
:param y_pred: 预测标签列表
:return: 预测结果准确度
"""
correct = 0
for i in range(len(y_true)):
if y_true[i] == y_pred[i]:
correct += 1
accuracy = correct / len(y_true)
return accuracy
```
使用方法:
```python
y_true = [0, 1, 1, 0, 1, 0, 0, 1]
y_pred = [0, 1, 1, 1, 0, 1, 0, 1]
accuracy = accuracy_score(y_true, y_pred)
print("Accuracy:", accuracy)
```
输出结果:
```
Accuracy: 0.625
```
相关问题
求机器学习中预测结果准确值accuracy的python代码
以下是一个简单的示例代码,演示如何计算预测准确性(accuracy):
```python
from sklearn.metrics import accuracy_score
# 假设有真实标签和预测标签
y_true = [0, 1, 1, 0, 1, 0, 0, 1]
y_pred = [0, 1, 0, 0, 1, 1, 0, 1]
# 使用sklearn.metrics中的accuracy_score函数计算准确性
accuracy = accuracy_score(y_true, y_pred)
print("Accuracy:", accuracy)
```
输出结果应该为:
```
Accuracy: 0.75
```
这意味着模型的预测准确率为75%。
使用机器学习进行天气预测的python代码
以下是一个简单的使用机器学习进行天气预测的Python代码,使用了决策树模型:
```python
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn import metrics
# 读取数据集
weather = pd.read_csv("weather.csv")
# 特征选择
X = weather[['Outlook', 'Temperature', 'Humidity', 'Wind']]
y = weather['Play']
# 将分类变量转换为数值变量
X = pd.get_dummies(X)
# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)
# 创建决策树分类器对象
clf = DecisionTreeClassifier()
# 训练决策树模型
clf = clf.fit(X_train,y_train)
# 预测测试集结果
y_pred = clf.predict(X_test)
# 模型评估
print("Accuracy:",metrics.accuracy_score(y_test, y_pred))
```
其中,数据集`weather.csv`包含了天气和是否可以进行户外活动的标签。我们先进行特征选择,然后将分类变量进行数值化处理。接着,我们将数据集划分为训练集和测试集,使用决策树模型进行训练和预测,并计算模型的准确率。