如何在Scikit-learn RandomForest中获取训练集准确率

你只需要先调用训练好的随机森林模型对训练集特征X_train做预测，再用accuracy_score对比训练集真实标签y_train和预测结果即可，修改方式如下：

• 第一步：获取训练集的预测结果，把下面代码里的你的模型变量名换成你实际定义的随机森林实例名（比如常见的rf、clf）

y_train_pred = 你的模型变量名.predict(X_train)

• 第二步：输出训练集准确率，加在你原有打印测试集准确率的代码附近即可

print("训练集准确率:", metrics.accuracy_score(y_train, y_train_pred))

补全后的完整参考代码：

from sklearn import metrics
from sklearn.ensemble import RandomForestClassifier

# 假设你已经完成了数据集拆分，得到X_train、y_train、X_test、y_test
# 模型训练代码（你原有逻辑不用改）
clf = RandomForestClassifier()
clf.fit(X_train, y_train)

# 原有测试集准确率计算
y_pred = clf.predict(X_test)
print("测试集准确率:", metrics.accuracy_score(y_test, y_pred))

# 新增训练集准确率计算
y_train_pred = clf.predict(X_train)
print("训练集准确率:", metrics.accuracy_score(y_train, y_train_pred))

小提示：如果你的数据集规模很小，最终得到的训练集准确率远高于测试集，说明模型大概率出现了过拟合，可以后续调整随机森林的树深度、树数量、最小样本分割数等参数优化。

内容的提问来源于stack exchange，提问作者logankilpatrick