Python knn.score参数说明

在下面的代码（最后一行）中，使用X_测试和y_测试，根据文档：

返回给定测试数据和标签的平均精度

问题是，由于

X_测试

具有来自测试数据的数据，而

y_测试

具有这些数据的标签，因此具体计算了什么

检查预测标签与实际标签是有意义的

你能告诉我最后一行中第一个场景是如何工作的吗

X_train, X_test, y_train, y_test = train_test_split(iris_dataset['data'], iris_dataset['target'], 
random_state=0)
knn = KNeighborsClassifier(n_neighbors=1)
knn.fit(X_train, y_train)
print("Test set score: {:.2f}".format(knn.score(X_test, y_test)))

如果您选中以下选项：

后面发生了什么？ 它是预测：

knn.predict（X_检验）

，然后使用这些值计算

knn.predict（X_检验）

和

y_检验之间的平均精度。
您应该通过以下方式获得相同的输出：

Parameters: 

X : array-like, shape = (n_samples, n_features)

    Test samples.
y : array-like, shape = (n_samples) or (n_samples, n_outputs)

    True labels for X.
sample_weight : array-like, shape = [n_samples], optional

    Sample weights.

Returns:    

score : float

    Mean accuracy of self.predict(X) wrt. y.

from sklearn.metrics import accuracy_score
y_predict = knn.predict(X_test)
accuracy_score(y_test, y_predict)