sklearn中得分与precision_score之间的差异

Question

两者对我来说都是一样的.有什么不同？

score()方法在sklearn.naive_bayes.GaussianNB()模块VS accuracy_score在方法sklearn.metrics模块

提前致谢...

Answer 1

通常,不同的模型具有返回不同度量的分数方法.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(因此,例如,最小二乘回归分类器将具有score返回类似于平方误差之和的方法).在GaussianNB文档的情况下说它的得分方法:

返回给定测试数据和标签的平均精度.

该accuracy_score方法表明其返回值取决于normalize参数的设置:

如果为False,则返回正确分类的样本数.否则,返回正确分类的样本的分数.

因此,在我看来,如果你设置normalize为True你将获得与GaussianNB.score方法相同的值.

确认我的猜测的一个简单方法是构建一个分类器并score用normalize = True和调用它们accuracy_score并查看它们是否匹配.他们呢？