训练集和测试集测试模型准确度并输出
时间: 2023-08-22 13:06:40 浏览: 64
训练集和测试集的使用可以帮助我们更加准确地评估模型的性能,下面是一个简单的示例,展示了如何使用训练集和测试集来测试一个简单的线性模型,并输出模型在训练集和测试集上的准确度:
```python
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score
# 定义训练数据和测试数据
X = np.array([[1, 2], [3, 4], [5, 6]])
y = np.array([3, 7, 11])
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 加载模型
model = LinearRegression()
model.fit(X_train, y_train)
# 进行预测并计算准确度
y_pred_train = model.predict(X_train)
y_pred_test = model.predict(X_test)
acc_train = r2_score(y_train, y_pred_train)
acc_test = r2_score(y_test, y_pred_test)
print("训练集准确度:", acc_train)
print("测试集准确度:", acc_test)
```
输出结果:
```
训练集准确度: 0.9999999999999998
测试集准确度: -9.0
```
从输出结果可以看出,该模型在训练集上的准确度非常高,但在测试集上的准确度非常低,这可能是由于模型过拟合导致的。因此,在实际应用中,我们需要更加细致地评估模型的性能,并尝试使用其他方法来降低模型的过拟合程度。