scikit-learn：交叉验证评分是否评估了日志丢失函数？

Question

在python sklearn中，我使用随机梯度下降来执行多类分类，最小化对数损失函数。

clf = SGDClassifier(loss="log", penalty="l2")

当我对我的测试集执行交叉验证时，对于每次数据拆分，我计算：

score = clf.fit(X_train, y_train).score(X_test, y_test)

分数是损失函数的评估吗？

对于每个交叉验证拆分，我的得分始终为0.0。那么这是否意味着我的分类器正确地标记了我的测试数据，或者它是否意味着我的准确度非常低？

Answer 1

Here确实如此。它与损失功能无关。

  

返回给定测试数据和标签的平均准确度。

     

在多标签分类中，这是a的子集精度   苛刻的指标，因为您需要每个标签集的每个样本   正确预测。

它在里面使用accuracy_score函数。

  

准确性分类得分。

     

在多标签分类中，此函数计算子集精度：   为样本预测的标签集必须完全匹配   y_true中相应的标签集。

0.0表示您的分类器无法正确分类X_test中的任何样本。