1
Y_predicted =Comment clf.score (X_test, Y_test) fonctionne pour la régression linéaire?
[ 1.22770607 -0.04569864 2.23941551 1.35143415 1.28991445 0.01398049
1.05511961 1.84491163 1.36748873 1.06369944 1.7139329 -0.09376361
-0.16512009 -0.0847085 -0.03141076 1.40425663 2.01371189 1.03977449
1.27667011 1.98481437 0.01295936 1.60489574 0.0823478 1.92856356
1.8584911 1.8970799 1.79401204 2.05206755 0.018738 0.00754765
-0.14906387 -0.0721375 1.18370287 -0.00857916 -0.03033274 1.69166794
1.29215806 -0.08232208 -0.09134106 -0.1708265 1.76007136 1.38080694
1.31560775 -0.06333357 -0.11464793 0.94925056 1.47575594 1.71846632
1.19986579 2.15035351 1.19564044 2.04054474 1.38920784 -0.09675278
2.00947585 1.00163388 -0.1021645 -0.05493268 0.12571214 0.97425353]
Y_test =
[2 0 0 0 1 0 1 2 0 1 2 0 2 2 1 1 2 1 0 1 2 0 0 1 1 0 2 0 0 1 1 2 1 2 2 1 0
0 2 2 0 0 0 1 2 0 2 2 0 1 1 2 1 2 0 2 1 2 1 1 1 0 1 1 0 1 2 2 0 1 2 2 0 2
0 1 2 2 1 2 1 1 2 2 0 1 2 0 1 2]
Mais le score est 94,2%
Comment calcule-t-classificateur ce score?
La précision est uniquement possible pour les problèmes de classification. Vous utilisez LinearRegression qui est un modèle régresseur. Il ne sera pas approprié pour la classification (quel est votre problème, à en juger par les véritables étiquettes). 'LinearRegression(). Score()' calculera la valeur R-carré pour les prédictions. Êtes-vous clair sur ce que vous faites et pourquoi? –