![](/img/trans.png)
[英]python sklearn: what is the difference between accuracy_score and learning_curve score?
[英]Difference between score and accuracy_score in sklearn
sklearn.naive_bayes.GaussianNB()
模块中的score()
方法和sklearn.naive_bayes.GaussianNB()
模块中的accuracy_score
方法有什么sklearn.metrics
? 两者似乎是一样的。 那是正确的吗?
通常,不同的模型具有返回不同指标的评分方法。 这是为了允许分类器指定他们认为最适合他们的评分指标(例如,最小二乘回归分类器将有一个score
方法,该方法返回类似于平方误差总和的内容)。 在GaussianNB
的情况下,文档说它的评分方法:
返回给定测试数据和标签的平均准确度。
accuracy_score
方法说它的返回值取决于normalize
参数的设置:
如果为 False,则返回正确分类的样本数。 否则,返回正确分类样本的分数。
所以在我看来,如果您将normalize
设置为True
您将获得与GaussianNB.score
方法相同的值。
确认我的猜测的一种简单方法是构建一个分类器并使用normalize = True
和accuracy_score
调用这两个score
并查看它们是否匹配。 他们吗?
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.