我在做分类.我有两个数组,第一个是'Actual',第二个是'Predicted'.我想比较这两个数组.假设第一个数组是:
Actual = [1, 1, 2, 3, 1]
这告诉我们第一个,第二个和最后一个索引对应于类1.
'Predicted'数组是:
Predicted = [1, 1, 1, 3, 3]
这告诉我们第一和第二个索引已经准确预测.
我希望输出告诉我们那些准确预测为1的索引,如下所示:
output = [True, True, False, False, False]
更新 我想仅根据值1进行评估.如果你看到,第四个预测值是由3准确预测的,但我不希望这样,因为我想要评估1值.
我正在做分类,我有一个像这样的两个大小的列表;
Data=[list1,list2]
list1是1000*784大小.这意味着已将1000张图像从28*28大小重新整形为784.
list2是1000*1大小.它显示每个图像所属的标签.使用以下代码,我应用了PCA:
from matplotlib.mlab import PCA
results = PCA(Data[0])
输出是这样的:
Out[40]: <matplotlib.mlab.PCA instance at 0x7f301d58c638>
现在,我想使用SVM作为分类器.我应该添加标签.所以我为SVm提供了这样的新数据:
newData=[results,Data[1]]
我不知道如何在这里使用SVM.