scikit-learn分类器中的分数函数位于何处？

Question

在scikit-learn内运行交叉验证时，所有分类器都有一个工厂函数score()，我可以轻松检查分类器的准确性，例如来自http://scikit-learn.org/stable/modules/cross_validation.html

>>> import numpy as np
>>> from sklearn import cross_validation
>>> from sklearn import datasets
>>> from sklearn import svm

>>> iris = datasets.load_iris()
>>> iris.data.shape, iris.target.shape
((150, 4), (150,))
>>> X_train, X_test, y_train, y_test = cross_validation.train_test_split(
...     iris.data, iris.target, test_size=0.4, random_state=0)

>>> X_train.shape, y_train.shape
((90, 4), (90,))
>>> X_test.shape, y_test.shape
((60, 4), (60,))

>>> clf = svm.SVC(kernel='linear', C=1).fit(X_train, y_train)
>>> clf.score(X_test, y_test)                           
0.96...

在深入了解scikit-learn的github回购之后，我仍然无法弄清楚clf.score()函数的函数在哪里。

有这个链接，但它不包含score()，https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/svm/classes.py

score()分类符的sklearn函数位于何处？

我可以implement my own score function easily，但目的是建立我的库，使其与sklearn分类器保持一致，不会提出我自己的评分函数 = ）

Answer 1

scikit-learn分类器的默认score()方法是准确度分数，为defined in the ClassifierMixin class。这个mixin是大多数（全部？）scikit-learn的内置分类器的父类。

如果您正在编写自己的分类器，我建议您继续使用此mixin和BaseEstimator，这样您就可以自动获得模型的评分和其他功能。