Scikit learn 什么是'；得分'；scikit学习中的平均值'；什么是交叉分数？这意味着准确吗？

我是机器学习新手，在我的模型上使用k-折叠交叉验证。我正在使用

文档中指出，

cross\u val\u score

返回一个“分数”数组。分数与准确度相同吗？我在网上找不到这个问题的答案。

函数的

score

参数可以指定

cross\u val\u score

中使用的“score”。来自（与问题中相同的链接）：

评分：字符串，可调用或无，可选，默认：无字符串 （请参阅模型评估文档）或记分器可调用对象/ 带有签名记分器（估计器，X，y）的函数，该记分器应返回 只有一个值

与交叉验证类似，但只允许使用单个度量

如果没有，则使用估计器的默认记分器（如果可用）

因此，您可以通过精度作为分数，但是如果您没有指定任何特定的分数，则将使用估计器的默认值。如果我没有弄错的话，估计量的默认值通常只是它的损失函数。事实上，你在讨论准确度，我假设你在处理一个分类问题，损失是交叉熵。。。这就是你可能看到的

---

您可以通过计算损失并与您的分数进行比较来验证这一点。

对于这个快速而清晰的答案，答案太多了。完美的不客气。如果答案回答了您的问题，请将其标记为“已接受”（带有绿色的“V”标记）。如果您不知道如何操作，请访问的教程，因为您正在学习机器学习，您将遇到适用于堆栈溢出的编程问题（如此），但也会遇到统计/机器学习问题（如“我应该在拟合模型之前执行此转换吗？”），这符合我们的同行网站交叉验证：有一个得分者名单。