如何解决无论使用哪个数据集,svm 都返回相同的精度
我有 50 对不同的训练和测试集。无论我选择哪一对,我总是得到 0.5 作为准确度。所以有些东西肯定是关闭的。如果您能检查我是否正确使用了所有内容,我将不胜感激。数据由必须正确分类的向量组成(1 或 0)。
下面是我的代码:
train_set = pd.read_csv('C:/Users/.../train_set7.csv',sep=',')
test_set = pd.read_csv('C:/Users/.../test_set7.csv',')
train_set_values = train_set.iloc[:,0:51]
labels_train = train_set['50']
vects_train = [i for i in train_set_values.values]
test_set_values = test_set.iloc[:,0:51]
labels_test = test_set['50']
vects_test = [i for i in test_set_values.values]
clf = svm.SVC(kernel='linear',C=1000)
clf.fit(vects_train,labels_train)
from sklearn.metrics import accuracy_score
pred = clf.predict(vects_test)
accuracy_score(labels_test,pred)
>0.5
clf.score(vects_test,labels_test)
>0.5
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。