0

私は scikit-learn を使用して、svm によってトレーニングおよびテストされたサンプル分類器を構築しています。今、分類子を分析したいのですが、explained_variance_scoreを見つけましたが、このスコアがわかりません。たとえば、clf の分類レポートを取得すると、次のようになります...

             precision    recall  f1-score   support

        0.0       0.80      0.80      0.80        10
        1.0       0.80      0.80      0.80        10

avg / total       0.80      0.80      0.80        20

悪くはありませんが、EVS は0.2...時々、-0.X...では、どうしてこのようなことが起こるのでしょうか? 優れた EVS を持つことは重要ですか? 誰かが私にこれを説明できるかもしれません...

Y_true および Y_pred:

[ 1.  1.  1.  1.  1.  1.  1.  1.  1.  1.  0.  0.  0.  0.  0.  0.  0.  0.
  0.  0.]

[ 1.  1.  1.  1.  1.  0.  0.  1.  1.  1.  1.  0.  0.  0.  0.  0.  1.  0.
  0.  0.]
4

2 に答える 2

9

説明された分散は回帰メトリックであり、これは分類問題に対して十分に定義されていません。このようなテストにこれを適用しても意味がありません。これは、サポート ベクター回帰、線形回帰などのモデルを検証するための方法です。

于 2013-08-18T17:22:52.223 に答える
0

Explained_variance_score、EVS は、モデルによってどの程度の分散が説明されるかを示します。最大値は 1 です。EVS が高いほど、モデルが優れています。

于 2020-11-24T06:33:25.130 に答える