如何列出测试集中预测错误的样本行？（附现有准确率计算代码）

这很好实现，你只需要通过对比预测结果和真实标签，筛选出不匹配的样本即可。结合你现有的代码，我给你整理了完整的操作步骤：

1. 生成错误标记掩码
   先创建一个布尔数组，标记测试集中每一行是否预测错误：

   # 对比预测值和真实标签，得到错误行的掩码
   errors_mask = predicted_mnb_lemmatized != test_data['COMPID']
   

2. 提取错误预测的样本
   用这个掩码直接筛选测试集数据，就能得到所有预测错误的样本。如果想同时直观看到预测值，还可以把预测结果添加为新列：

   # 筛选出所有预测错误的样本（用copy避免修改原数据的警告）
   wrong_predictions = test_data[errors_mask].copy()
   # 添加预测结果列，方便对比真实值和预测值
   wrong_predictions['PREDICTED_COMPID'] = predicted_mnb_lemmatized[errors_mask]
   

3. 查看错误样本详情
   现在你可以直接打印、输出或者交互式查看wrong_predictions，里面包含了所有预测错误的测试样本，以及对应的预测结果，能帮你快速定位模型的问题点。

把这些代码加到你现有的流程里，完整代码大概是这样：

text_mnb_lemmatized = Pipeline([('vect', lemma_count_vect), ('tfidf', TfidfTransformer(sublinear_tf=True, use_idf=False)), ('mnb', MultinomialNB(alpha=0.1, fit_prior=True))])
text_mnb_lemmatized = text_mnb_lemmatized.fit(train_data['CDESCR'], train_data['COMPID'])
predicted_mnb_lemmatized = text_mnb_lemmatized.predict(test_data['CDESCR'])

# 计算并打印准确率
accuracy = np.mean(predicted_mnb_lemmatized == test_data['COMPID'])
print(f"模型准确率: {accuracy:.4f}")

# 找出并查看预测错误的样本
errors_mask = predicted_mnb_lemmatized != test_data['COMPID']
wrong_predictions = test_data[errors_mask].copy()
wrong_predictions['PREDICTED_COMPID'] = predicted_mnb_lemmatized[errors_mask]

print("\n预测错误的样本详情：")
print(wrong_predictions)

这样你就能清晰看到哪些测试行预测出错，以及模型给出的错误预测值是什么，方便后续分析模型的不足——比如是不是某些类别样本量太少，或者文本特征提取逻辑需要优化。

内容的提问来源于stack exchange，提问作者juliano.net