使用交叉验证来评估模型表现,同时尝试使用其他分类算法。
示例代码:
from sklearn.model_selection import cross_val_predict
from sklearn.metrics import accuracy_score
from sklearn.naive_bayes import GaussianNB
from sklearn.linear_model import LogisticRegression
加载数据集
X = [特征一, 特征二, ...]
y = [类别一, 类别一, ...]
创建朴素贝叶斯和逻辑回归模型
nb = GaussianNB()
lr = LogisticRegression()
使用10折交叉验证评估模型表现
nb_y_pred = cross_val_predict(nb, X, y, cv=10)
lr_y_pred = cross_val_predict(lr, X, y, cv=10)
计算精度
nb_accuracy = accuracy_score(y, nb_y_pred)
lr_accuracy = accuracy_score(y, lr_y_pred)
print('朴素贝叶斯精度:', nb_accuracy)
print('逻辑回归精度:', lr_accuracy)