如何解决如何使用 SVM 分类器绘制模型准确性和损失以进行交叉验证?
今天的问候。
代码是:
// code for training SVM with cross validation
svm_class = svm.SVC(kernel='linear',C = 1.0)
result_svm= cross_val_score(svm_class,x,encoded_Y,scoring='accuracy',cv = 10)
print("Accuracy with SVM")
result_svm.mean()*100
输出:94.30%
// code for cross-validation test
y_pred_svm=cross_val_predict(svm_class,cv=10)
//code for confusion matrix
import numpy as np
y_s=np.argmax(y,axis=1)
#print(y_s)
from sklearn.metrics import confusion_matrix
cm_svm = confusion_matrix(y_s,y_pred_svm)
cm_svm
Output: array([[3688,312],[ 257,5743]])
我有两个问题:
首先,我如何绘制此 SVM 的模型精度和损失?
其次,如何绘制 ROC-AUC 曲线?
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。