sklearn 中的评分预测（Python 机器学习）答案

【问题标题】：Scoring predictions in sklearn (Python machine learning)sklearn 中的评分预测（Python 机器学习）
【发布时间】：2017-07-05 09:51:57
【问题描述】：

我正在浏览下面的 IPython Notebook，它分析了 Iris dataset

作者在笔记本中的某一时刻构建了以下模型：

此时，我变得非常困惑。最后一行发生了什么？根据我了解到的情况，您应该根据模型创建预测，然后将该预测与 y_test 值进行比较。

我会做以下事情：

predictions = decision_tree_classifier.predict(X_test)
from sklearn.metrics import classification_report
print classification_report(y_test, predictions)

当作者根据testing_inputs 和testing_classes 生成分数时会发生什么？

【问题讨论】：

最好在datascience.stackexchange.com提出您的问题

标签： python machine-learning scikit-learn

【解决方案1】：

来自docs：

score(X, y, sample_weight=None)

返回给定测试数据和标签的平均准确度。

这正是它的作用。它在内部对X_test 进行预测，生成y_pred 并将其与y_test 进行比较以计算准确度分数。

您所做的类似，但分两个步骤。您首先进行预测，然后与y_test 进行比较。此外，您还打印了准确率、召回率和 f1 分数。

【讨论】：

【解决方案2】：

为@Coldspeed 的答案添加一些细节，score 的DecisionTreeClassifier 调用sklearn.metrics.accuracy_score。这是正确分类的百分比。之所以指出这一点，是因为我没有那么直观地发现“平均准确性”。

from sklearn.metrics import accuracy_score
y_pred = [0, 2, 1, 3]
y_true = [0, 1, 2, 3]

accuracy_score(y_true, y_pred)
Out[106]: 0.5

【讨论】：