sklearn中score和accuracy_score的区别

Question

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？

Answer 1

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？