【发布时间】：2020-07-13 20:27:09
【问题描述】：
sklearn.naive_bayes.GaussianNB() 模块中的score() 方法和sklearn.metrics 模块中的accuracy_score 方法有什么区别？两者似乎相同。对吗？
【问题讨论】：
标签： python scikit-learn
【发布时间】：2020-07-13 20:27:09
【问题描述】：
通常，不同的模型具有返回不同指标的评分方法。这是为了允许分类器指定他们认为最适合他们的评分指标（因此，例如，最小二乘回归分类器将有一个 score 方法返回类似于平方误差之和的东西）。对于GaussianNB，文档说它的评分方法：
返回给定测试数据和标签的平均准确度。
accuracy_score 方法说它的返回值取决于normalize 参数的设置：
如果为 False，则返回正确分类的样本数。否则，返回正确分类样本的分数。
所以在我看来，如果您将normalize 设置为True，您将获得与GaussianNB.score 方法相同的值。
确认我的猜测的一个简单方法是构建一个分类器，并使用normalize = True 和accuracy_score 调用score，看看它们是否匹配。是吗？
【讨论】：
-
你试过了吗@Oliver Dain？它在你的情况下有效吗？这将有助于其他人更全面、更全面地理解答案。