Dans un tutoriel rencontré cette ligne de code que je ne suis pas capable de comprendre: complet pour boucle:
3 Réponses :
Juste pour développer la réponse de Lajos:
pred_i != y_test
np.mean (pred_i! = y_test) 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.
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. (pred_i! = y_test) retournera un vecteur de boolean [vrai, false, ...] valeurs.
! = retourne true pour ceux qui ne correspondent pas aux valeurs de test car vous êtes intéressé par erreur.
np.Mean ([vrai, vrai, faux]) retournera 0.6666666666666666666666666666