sklearn中的评分预测（Python机器学习）

我正在看下面的IPython笔记本，它分析了

在笔记本中的某一点上，作者构建了以下模型：

在这一点上，我变得非常困惑。最后一行是怎么回事？ 根据我所学到的，您应该基于模型创建一个预测，然后将该预测与

y_测试值进行比较

我会这样做：

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

当作者根据
测试输入和
测试类
生成分数时会发生什么

得分（X，y，样本重量=无）

返回给定测试数据和标签的平均精度

这正是它所做的。它在内部对
X_测试
进行预测，生成
y_pred
，并将其与
y_测试
进行比较，以计算准确度得分

您所做的是类似的，但有两个步骤。首先预测，然后与
y\u测试进行比较。此外，您正在打印精度、召回率和f1分数。
来自：

得分（X，y，样本重量=无）

返回给定测试数据和标签的平均精度

这正是它所做的。它在内部对
X_测试
进行预测，生成
y_pred
，并将其与
y_测试
进行比较，以计算准确度得分

您所做的是类似的，但有两个步骤。首先预测，然后与
y\u测试进行比较。此外，您正在打印精度、召回率和f1分数。
为@Coldspeed的答案添加了一些细节，
DecisionTreeClassifier
调用的
分数。这是正确分类的百分比。只是指出这一点，因为我不觉得“平均准确度”那么直观

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

为@Coldspeed的答案添加了一点细节，
DecisionTreeClassifier
调用的
score
。这是正确分类的百分比。只是指出这一点，因为我不觉得“平均准确度”那么直观

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

用英语提问是个更好的主意用英语提问是个更好的主意