Scikit learn sklearn如何逐步计算准确度分数？

我在阅读有关sklearn中使用的指标，但我发现以下内容相当混乱：

在文档中，sklearn提供了一个使用示例，如下所示：

import numpy as np
from sklearn.metrics import accuracy_score
y_pred = [0, 2, 1, 3]
y_true = [0, 1, 2, 3]
accuracy_score(y_true, y_pred)
0.5

我理解sklearns计算该指标如下：

import numpy as np
from sklearn.metrics import accuracy_score
y_pred = [0, 2, 1, 3]
y_true = [0, 1, 2, 3]
accuracy_score(y_true, y_pred)
0.5

我不确定这个过程，我希望有人能一步一步地解释这个结果，因为我正在研究它，但我发现很难理解，为了理解更多，我尝试了以下案例：

import numpy as np
from sklearn.metrics import accuracy_score
y_pred = [0, 2, 1, 3,0]
y_true = [0, 1, 2, 3,0]
print(accuracy_score(y_true, y_pred))
0.6

我认为正确的计算如下：

但我不确定，我想看看是否有人可以支持我的计算，而不是复制和粘贴sklearn的文档

---

我怀疑Summary中的I是否与括号内公式中的I相同，我不清楚，我不知道Summary中元素的数量是否与样本中元素的数量有关，如果它还取决于类的数量。

指示器函数只有在其参数中的变量相等时才等于1，否则它的值为零。因此，当y等于yhat时，指示器函数产生一个计数作为正确分类。下面是python中的代码示例和数值示例

import numpy as np
yhat=np.array([0,2,1,3])
y=np.array([0,1,2,3])
acc=np.mean(y==yhat)
print( acc)

---

理解精度计算的一个简单方法是：

给定两个列表y_pred和y_true，对于每个位置索引i，比较y_pred的第i个元素和y_true的第i个元素，并执行以下计算：

accuracy = matches/samples
accuracy = 3/5
accuracy = 0.6

计算匹配的数量

除以样本数

因此，使用您自己的示例：

y_pred = [0, 2, 1, 3, 0]
y_true = [0, 1, 2, 3, 0]

我们在索引0、3和4上看到匹配。因此：

number of matches = 3
number of samples = 5

最后，精度计算：

accuracy = matches/samples
accuracy = 3/5
accuracy = 0.6

---

对于你关于i指数的问题，它是样本指数，所以求和指数和Y/Yhat指数都是一样的。

谢谢你的支持，现在我清楚了结果。