Python 为什么cross_val_分数返回多个分数？

我有以下代码

tree = DecisionTreeClassifier(max_depth=4, random_state=0)
trainPrediction=tree.predict(trainData)
score=cross_val_score(tree, trainData, trainPrediction)

根据上面的代码，我得到的分数如下所示：

[0.96052632 0.93421053 0.89473684 0.94736842 0.92      ]

我只期望一个数字作为分数，而不是数组。我如何阅读此代码，哪一个将被视为分数

我尝试的其他一些分类器（如SVM）具有

score（…）

功能，效果很好。Decisiontree分类器似乎也具有此功能，但当我尝试使用它时，会出现如下错误：

trainScore=score(trainData, trainPrediction)

我得到的错误是：

TypeError:'numpy.float64'对象不可调用

文档显示了这个

分数（X，y[，样本重量]）

，但我想我真的不明白这一点

我之所以使用交叉评分（…）是因为他们在DecisionTree的文档中使用了它：

注

我还尝试使用：accurity_score（…），如本例所示：

但这不起作用，因为此函数不属于此分类器

提供交叉验证评估的分数，这意味着它使用K倍交叉验证来拟合和预测输入数据。因此，结果是由每个褶皱产生的

k

分数数组。您有一个

5

值的数组，因为

cv

默认为该值，但您可以将其修改为其他值

以下是使用iris数据集的示例：

from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.datasets import load_iris

X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y)

tree = DecisionTreeClassifier(max_depth=4, random_state=0)
cls = tree.fit(X_train, y_train)
y_pred = cls.predict(X_test)

现在使用默认设置：

score = cross_val_score(cls, X_test, y_test)
score
# array([1., 1., 1., 1., 1.])

或者三倍：

score = cross_val_score(cls, X_test, y_test, cv=3)
score
# array([1., 1., 1.])

---

还要注意，

cross_val_score

期望

X

和目标变量尝试预测，而不是预测值。因此，您应该将其输入

X_测试

和

y_测试

，因此，以cv=3为例，我们将数据分为3部分，使用2部分进行训练，最后一部分用于测试，对吗？但是，数组中的3个值与准确度得分对应的是什么？这是否意味着我们只需分别测试每个分割数据的准确性，并获得每个分割数据部分的这3个分数？是的。在每次折叠中，我们都会留下一小部分数据进行预测。经过3次折叠，我们有3个分数，每个@user1960836都有一个