machine-learning - 当精度比召回率重要得多时，如何调整模型以提高精度？

Question

机器学习分类器的性能可以通过各种指标来衡量，例如精度、召回率和分类准确性等指标。

给定这样的代码:

clf = svm.SVC(kernel='rbf')
clf.fit(X_train, y_train)

1. 拟合函数试图优化什么指标？

2. 当精度比召回率重要得多时，如何调整模型以提高精度？

Answer 1

您可以使用 Grid Search Cross Validation 调整 SVM 的参数最大限度地提高您的精度。为此，请设置参数“scoring”，例如

sklearn.grid_search.GridSearchCV(clf, param_grid, scoring="precision")

这里clf是你的SVC分类器，当然你还需要设置参数网格param_grid。查看示例here