Python sklearn验证分数含义

每当我在sklearn上培训MLP模型时，我都会在这里得到以下输出：

from sklearn.neural_network import MLPClassifier


clf_mlp = MLPClassifier(random_state=1,\
                        max_iter=200,\
                        hidden_layer_sizes=(256,256,256),\
                        early_stopping = True,\
                        verbose=True).fit(X, pdf_train["label"])

迭代1，损失=1.23744239
验证分数：0.649914
迭代2，损失=1.07239263
验证分数：0.652249
迭代3，损失=0.99360697
验证分数：0.652205
迭代4，损失=0.90097632
验证分数：0.646963

我对如何阅读这个日志感到困惑：“丢失”是指培训丢失还是验证丢失？“验证分数”值是准确的还是验证损失

---

如果您能指出在sklearn文档中解释了这一点，我也将不胜感激。

看起来打印的

损失是培训损失（默认：日志损失），如所示

打印的
验证分数
实际上是验证数据上的分数（默认值：准确度），如所示

这肯定应该有更好的记录，请随意。
损失是在培训集（）上计算的。验证分数是验证集的准确性。分数函数是根据sklearn的基础定义的

Iteration 1, loss = 1.23744239
Validation score: 0.649914
Iteration 2, loss = 1.07239263
Validation score: 0.652249
Iteration 3, loss = 0.99360697
Validation score: 0.652205
Iteration 4, loss = 0.90097632
Validation score: 0.646963
<And it goes on...>