Dans un tutoriel rencontré cette ligne de code que je ne suis pas capable de comprendre: complet pour code> boucle: p>
3 Réponses :
Juste pour développer la réponse de Lajos:
pred_i != y_test
np.mean (pred_i! = y_test) code> est en moyenne la valeur entre 0-1, ce qui sera ajouté au taux d'erreur. Plus tard, si vous avez un graphique Taux d'erreur VS K Value (1-40), vous obtiendrez la valeur K avec un taux d'erreur minimum. L'utilisation de cette valeur K augmentera la précision de votre modèle. P>
Notez que E.g.:
Revenir à votre question: la ligne que vous souhaitez renvoie la fraction de ces résultats qui n'ont pas atteint le test - d'où votre erreur. P> (pred_i! = y_test) code> retournera un vecteur de boolean
[vrai, false, ...] code> valeurs. P>
! = code> retourne true pour ceux qui ne correspondent pas aux valeurs de test car vous êtes intéressé par erreur. P>
np.Mean ([vrai, vrai, faux]) code> retournera
0.6666666666666666666666666666 code> p> p>