Python机器学习（sklearn）——分类模型评估与调参总结（上）

作者： 王大伟     微软MVPPython爱好者社区唯一小编博客：https://ask.hellobi.com/blog/wangdawei小编的Python机器学习线下暑期班开班啦~现在报名有优惠！8.11-8.12 坐标上海张江高科了解详情点击以下链接：Python机器学习（算法+实战）线下暑假班上海站第二期1. 如果只划分测试集和训练集    经验是75%作为训练集 sklearn中的train_test_split()默认这样划分from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split()2.  通常使用sklearn中的score方法计算结果的精度（正确预测比例）3. KNN算法有两个重要参数：邻居个数和数据点之间距离的度量方法在实践中，选择较小的邻居个数（例如3或5个）效果较好，sklearn中默认使用欧氏距离构建KNN模型速度很快，若训练集很大（ ………………………………