在 scikit-learn
内运行交叉验证时, 所有分类器都有一个工厂函数 score()
我可以很容易地检查分类器的准确性,例如来自 http://scikit-learn.org/stable/modules/cross_validation.html
>>> import numpy as np
>>> from sklearn import cross_validation
>>> from sklearn import datasets
>>> from sklearn import svm
>>> iris = datasets.load_iris()
>>> iris.data.shape, iris.target.shape
((150, 4), (150,))
>>> X_train, X_test, y_train, y_test = cross_validation.train_test_split(
... iris.data, iris.target, test_size=0.4, random_state=0)
>>> X_train.shape, y_train.shape
((90, 4), (90,))
>>> X_test.shape, y_test.shape
((60, 4), (60,))
>>> clf = svm.SVC(kernel='linear', C=1).fit(X_train, y_train)
>>> clf.score(X_test, y_test)
0.96...
在深入了解 scikit-learn
的 github 存储库之后,我仍然无法弄清楚 clf.score()
的功能在哪里功能。
有此链接,但不包含 score()
, https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/svm/classes.py
score()
在哪里sklearn
的函数分类器位于?
我可以 implement my own score function easily , 但目的是构建我的库,使其与 sklearn
保持一致分类器,不要想出我自己的评分函数 =)
最佳答案
scikit-learn 分类器的默认 score()
方法是准确度分数,并且是 defined in the ClassifierMixin
class .这个 mixin 是大多数(所有?)scikit-learn 内置分类器的父类。
如果您正在编写自己的分类器,我建议您也继承此 mixin 和 BaseEstimator
,这样您就可以自动获得模型的评分和其他功能。
关于python - scikit-learn 分类器中的评分函数位于何处?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/33735437/