Python sklearn accuracy_score用法及代碼示例

本文簡要介紹python語言中 sklearn.metrics.accuracy_score 的用法。

用法:

sklearn.metrics.accuracy_score(y_true, y_pred, *, normalize=True, sample_weight=None)

準確度分類得分。

在多標簽分類中，此函數計算子集精度：為樣本預測的標簽集必須與 y_true 中的相應標簽集完全匹配。

在用戶指南中閱讀更多信息。

參數：

y_true：一維數組，或標簽指示符數組/稀疏矩陣

基本事實(正確)標簽。

y_pred：一維數組，或標簽指示符數組/稀疏矩陣

分類器返回的預測標簽。

normalize：布爾，默認=真

如果 False ，返回正確分類的樣本數。否則，返回正確分類樣本的分數。

sample_weight：形狀類似數組 (n_samples,)，默認=None

樣本權重。

返回：

score：浮點數

如果 normalize == True ，返回正確分類樣本的分數(浮點數)，否則返回正確分類樣本的數量(整數)。

最好的性能是 1 與 normalize == True 和樣本數與 normalize == False 。

注意：

在二進製分類中，此函數等於jaccard_score 函數。

例子：

>>> 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
>>> accuracy_score(y_true, y_pred, normalize=False)
2

在具有二進製標簽指示符的多標簽情況下：

>>> import numpy as np
>>> accuracy_score(np.array([[0, 1], [1, 1]]), np.ones((2, 2)))
0.5