sklearn
问题描述:
的分数与precision_score之间的差异对我来说似乎都是一样的。有什么不同?sklearn
score()
方法sklearn.naive_bayes.GaussianNB()
模块VSaccuracy_score
方法sklearn.metrics
模块
在此先感谢...
答
一般情况下,不同的车型有评分方法,返回不同的指标。这是为了允许分类器指定他们认为最适合他们的评分度量标准(因此,例如,最小二乘回归分类器会有一个返回类似于平方误差总和的方法)。在GaussianNB
的情况下,文档说其得分方法:
返回给定测试数据和标签的平均精度。
的accuracy_score
法说,它的返回值取决于设定为normalize
参数:
如果假,返回正确分类的样本数量。否则,返回正确分类样本的一小部分。
所以它会出现,我认为,如果你设置normalize
到True
你会得到相同的值GaussianNB.score
方法。
一个简单的方法来确认我的猜测是建立一个分类器,并调用score
与normalize = True
和accuracy_score
并查看它们是否匹配。他们呢?
你试过了@Oliver Dain吗?它在你的情况下工作吗?这可以帮助其他人更全面,更全面地理解答案。 –