J'essaye de faire des prédictions pour l'ensemble de données d'iris. J'ai décidé d'utiliser svms à cette fin. Mais, cela me donne une précision 1.0. Est-ce un cas de surapprentissage ou est-ce parce que le modèle est très bon? Voici mon code.Support vector machine overfitting mes données
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
svm_model = svm.SVC(kernel='linear', C=1,gamma='auto')
svm_model.fit(X_train,y_train)
predictions = svm_model.predict(X_test)
accuracy_score(predictions, y_test)
Ici, precision_score renvoie la valeur 1. Veuillez m'aider. Je suis un débutant en apprentissage automatique.
Essayez d'utiliser la validation croisée à l'aide de cross_val_score. Vous pouvez utiliser laisser une validation croisée pour voir si les changements de précision – sera
S'il vous plaît voir l'exemple que je viens de poster. C'est le même code mais en utilisant la validation croisée cette fois. J'espère que cela t'aides – sera