sklearn中的评分预测（Python机器学习）

Question

我正在浏览以下分析Iris dataset

的IPython Notebook

在笔记本中的某一点上，作者构建了以下模型：

此时，我变得非常困惑。最后一行发生了什么？ 根据我的经验，您应该根据模型创建预测，然后将该预测与y_test值进行比较。

我会做以下事情：

predictions = decision_tree_classifier.predict(X_test)
from sklearn.metrics import classification_report
print classification_report(y_test, predictions)

当作者根据testing_inputs和testing_classes生成得分时会发生什么？

Answer 1

来自docs：

  

得分（X，y，sample_weight =无）

     

返回给定测试数据和标签的平均准确度。

而这正是它的作用。它在内部对X_test执行预测，生成y_pred并将其与y_test进行比较，以计算准确度得分。

你做的是类似的，但分两步。您首先预测然后与y_test进行比较。此外，您正在打印出精确度，召回率和f1分数。

Answer 2

为@ Coldspeed的答案添加一些细节，score调用DecisionTreeClassifier sklearn.metrics.accuracy_score。这是正确分类的百分比。只是指出这一点，因为我没有找到所有直观的“平均准确度”。

from sklearn.metrics import accuracy_score
y_pred = [0, 2, 1, 3]
y_true = [0, 1, 2, 3]

accuracy_score(y_true, y_pred)
Out[106]: 0.5