如何解决在python sklearn，混淆矩阵中量化每个标签的模型预测得分
首先，我要说我不是一名程序员，并且我对Python和ML的了解很少，因为我正试图学习了解大学项目的新研究方法，请理解我缺乏AI /编程知识。
我用sklearn（和linearSVM：linearSVC）训练了一个模型。输入数据是文本数据（X），我已对其进行了完全清洗并带有7个标签（y）。之后，我评估了模型并创建了混淆矩阵。
目标是了解我的模型如何（很好）对训练后的数据集中不存在的新引入的样本进行响应。我已经知道新引入的数据样本/实例带有的真实标签，因此我将其引入了模型并让其预测了标签。在引入之前，进行与训练后的数据集相同的数据/文本清理步骤。 对新引入的数据的预测有效，因此我正在深入研究输出。
我的问题是： 有没有一种简单的方法可以量化/查看模型如何评估不在训练数据集中的单个引入样本的标签分数（以及它选择了哪个，而没有选择）？尽管出现此错误，我还是尝试为此实例使用另一个混淆矩阵：
"Found input variables with inconsistent numbers of samples: [908,1]"
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。
