如何解决SVM 产生 0 False Positives 和 True Positives
我正在使用 kaggle 的流失建模数据集 (https://www.kaggle.com/shrutimechlearn/churn-modelling)，试图预测将要离开服务的客户。
初始数据集如下所示：
RowNumber CustomerId Surname Creditscore Geography Gender Age
0 1 15634602 Hargrave 619 France Female 42
整理数据后，数据集如下所示：
Creditscore Age Tenure Balance NumOfProducts HasCrCard IsActiveMember EstimatedSalary Germany Spain Male
0 619 42 2 0.00 1 1 1 101348.88 0 0 0
然后我拆分数据：
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.25,random_state = 0)
...拟合和预测模型：
from sklearn import svm
svm_model = svm.SVC()
svm_fit = svm_model.fit(X_train,y_train)
svm_prediction = svm_fit.predict(X_test)
... 并尝试交叉验证： 打印（metrics.confusion_matrix（y_test，svm_prediction））
但是混淆矩阵看起来像这样：
[[1991 0]
[ 509 0]]
为什么我得到 0 0 个假阳性和 0 个真阳性？
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。
