6
的分數與precision_score之間的差異對我來說似乎都是一樣的。有什麼不同?sklearn
score()
方法sklearn.naive_bayes.GaussianNB()
模塊VSaccuracy_score
方法sklearn.metrics
模塊
在此先感謝...
的分數與precision_score之間的差異對我來說似乎都是一樣的。有什麼不同?sklearn
score()
方法sklearn.naive_bayes.GaussianNB()
模塊VSaccuracy_score
方法sklearn.metrics
模塊
在此先感謝...
一般情況下,不同的車型有評分方法,返回不同的指標。這是爲了允許分類器指定他們認爲最適合他們的評分度量標準(因此,例如,最小二乘迴歸分類器會有一個返回類似於平方誤差總和的方法)。在GaussianNB
的情況下,文檔說其得分方法:
返回給定測試數據和標籤的平均精度。
的accuracy_score
法說,它的返回值取決於設定爲normalize
參數:
如果假,返回正確分類的樣本數量。否則,返回正確分類樣本的一小部分。
所以它會出現,我認爲,如果你設置normalize
到True
你會得到相同的值GaussianNB.score
方法。
一個簡單的方法來確認我的猜測是建立一個分類器,並調用score
與normalize = True
和accuracy_score
並查看它們是否匹配。他們呢?
你試過了@Oliver Dain嗎?它在你的情況下工作嗎?這可以幫助其他人更全面,更全面地理解答案。 –