Моя модель классификации имеет очень низкую точность. Даже когда я использую модель K-Nearest Neighbors с соседями = 1, модель все еще ошибочна. Модель logreg имеет самую высокую точность, и она просто предсказывает 0 для каждого образца. Я новичок в ML и пытаюсь понять, что я делаю неправильно. Как я могу улучшить модель?Модель классифицированной классификации обучения очень неточна
вход:
# load the CSV file as a numpy matrix
dataset = np.loadtxt(raw_data, delimiter=",")
target = np.loadtxt(target_data, delimiter=",")
# separate the data from the target attributes
X = dataset[:,0:6]
y = target[:]
print X.shape
print y.shape
#print X
#print y
knn = KNeighborsClassifier(n_neighbors=1)
print knn
knn.fit(X,y)
result = knn.predict(X)
print metrics.accuracy_score(y, result)
knn = KNeighborsClassifier(n_neighbors=5)
print knn
knn.fit(X,y)
result = knn.predict(X)
print metrics.accuracy_score(y, result)
logreg = LogisticRegression()
print logreg
logreg.fit(X, y)
result = logreg.predict(X)
#every prediction is 0
print metrics.accuracy_score(y, result)
выход:
[email protected]:~/Dev/Enterprise-Project$ python loadcsv.py
(700, 6)
(700,)
KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
metric_params=None, n_jobs=1, n_neighbors=1, p=2,
weights='uniform')
0.674285714286
KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
metric_params=None, n_jobs=1, n_neighbors=5, p=2,
weights='uniform')
0.675714285714
LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,
intercept_scaling=1, max_iter=100, multi_class='ovr', n_jobs=1,
penalty='l2', random_state=None, solver='liblinear', tol=0.0001,
verbose=0, warm_start=False)
0.72
Не думаю, что есть какие-либо путаницы в отношении регрессии/классификации. Логистическая регрессия здесь используется как линейный классификатор. Я согласен с тем, что точность 67% без предварительной обработки или настройки гиперпараметра действительно не плоха. Однако, поскольку модели не были проверены по невидимым данным, я бы взял эти результаты с солью. – abudis
@abudis, я должен не соглашаться относительно регрессии/классификации. * Если * 'y' является целевым классом для этих функций, использование метода логистической регрессии само по себе обеспечит неправильные результаты. Как сказал OP * «Модель логрега имеет самую высокую точность, и она просто предсказывает 0 для каждого образца». * – Leb