sklearn中得分与precision_score之间的差异

Question

对我来说似乎都是一样的。差异是什么？

score()模块中sklearn.naive_bayes.GaussianNB()模块 vs accuracy_score方法中的

sklearn.metrics方法

提前致谢...

Answer 1

通常，不同的模型具有返回不同指标的得分方法。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（例如，最小二乘回归分类器将具有返回类似于误差平方和的score方法。在GaussianNB的情况下，文档会说其得分方法：

  

返回给定测试数据和标签的平均准确度。

accuracy_score方法表示其返回值取决于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，如果您将normalize设置为True，则会获得与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使用score和normalize = True同时调用accuracy_score并查看它们是否匹配。他们呢？