sklearn(五)计算acc:使用metrics.accuracy_score()计算分类的准确率

sklearn.metrics.accuracy_score(y_true, y_pred, *, normalize=True, sample_weight=None)
输入参数：

y_true：真是标签。二分类和多分类情况下是一列，多标签情况下是标签的索引。

y_pred：预测标签。二分类和多分类情况下是一列，多标签情况下是标签的索引。

normalize:bool, optional (default=True)，如果是false，正确分类的样本的数目(int)；如果为true，返回正确分类的样本的比例，必须严格匹配真实数据集中的label，才为1，否则为0。

sample_weight：array-like of shape (n_samples,), default=None。Sample weights.

输出：

如果normalize == True,返回正确分类的样本的比例，否则返回正确分类的样本的数目(int)。
————————————————
版权声明：本文为CSDN博主「凝眸伏笔」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/pearl8899/article/details/109877348

 

https://blog.csdn.net/pearl8899/article/details/109877348