关于准确率

Question

grid_search.fit后 grid_search.best_score_ 为0.98538622129436326， 

为什么knn_clf = grid_search.best_estimator_ ，且knn_clf.predict(X_test) knn_clf.score(X_test, y_test) 后的准确率却变成0.98333333333333328。二者为什么会不同呢？

谢谢老师！

Answer 1

liuyubobobo 2017-12-28 17:14:52

我在课程中提到过，因为grid_search使用的那个score和你调用得到best_estimator_，再去预测X_test得到的score，这两个score计算方式不同。仔细想一想，我们都没有将X_test和y_test给grid_search，grid_search得到的这个score是和X_test, y_test没关系的，肯定和预测X_test得到的score不同：）

至于grid_search的这个score是怎么计算出来的？我们在这个课程的第八章，交叉验证中就会讲到。我们使用的这个类GridSearchCV中的CV，就是交叉验证（Cross Validation）的意思，到那时，相信你就能完全理解grid_search这个score是怎么计算的了：）而且，这个score值，比使用一组X_test做预测得到的结果，要更可信：）

在这一小节，主要理解：我们可以使用网格搜索的方式，寻找我们训练模型的最佳超参数，就可以了：）

继续加油！

• 提问者 ALGO_cui #1

  非常感谢！

• 提问者 ALGO_cui #2

  老师，抱歉，可能听漏了。
  爱死波波老师了 ：-）

• liuyubobobo 回复 提问者 ALGO_cui #3

  爱我的话快去给我的课程一个大大的好评去：）嘿嘿嘿

点开查看后面9条评论