KNN中的knn.score和准确度指标有什么区别 - SK学习

Question

我担心我的预测与测试的准确性完全有意义。

X_train , X_test, y_train ,y_test =train_test_split(iris_dataset['data'], iris_dataset['target'], random_state=0)      
knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(X_train ,y_train)
y_pred= knn.predict(X_test)
accuracy_score(y_pred,y_test)  # 97 % accuracy here I get accuracy score for pred/test

我用knn.score尝试了同样的事情，这里是catch文件说 返回给定测试数据和标签的平均准确度。

knn.score(X_test,y_test)  # 97% accuracy

我的问题是为什么有人应该关心这个分数，因为X_test，y_test是我分成火车/测试的数据 - 这是我用于监督学习的给定数据在这里获得分数的重点是什么。我是否完全错过了一些如果我检查得分，它应该给我100％正确的

Answer 1

得分函数只是一个效用函数，用于在某些scikit-learn算法中使用的默认度量（主要是model selection模块中的算法，例如{{3}如果未指定其他度量标准，则为{}或GridSearchCV）。因此，对于分类，这通常是准确度和回归均方误差。

所以它是一样的，因为它与您在代码中完成的操作完全相同：它采用传递的矩阵X（例如，在您的情况下为X_test），调用预测并调用 accuracy_score < / em>的。因此，毫不奇怪它是相同的分数。事实上，由于scikit-learn是开源的，您可以自己检查cross_validate。

编辑：

那你怎么这么关心？好吧，您可以在算法中使用它（例如，如果您构建合奏）或仅仅保存一行代码，如上例所示。如果你要构建你的估算器，那么你必须考虑什么是合理的默认值。