python中predict函数和score函数的区别_sklearn库中.score（）和.predict之间的区别？

我使用sklearn库实例化了一个SVC对象，代码如下：

clf = svm.SVC(kernel='linear', C=1, cache_size=1000, max_iter = -1, verbose = True)

然后我使用以下方法为数据拟合：

model = clf.fit(X_train, y_train)

其中X_train是(301,60)并且y_train是(301，)ndarray(y_train由类标签“1”，“2”和“3”组成) .

现在，在我偶然发现.score()方法之前，为了确定我的模型在训练集上的准确性，我使用了以下内容：

prediction = np.divide((y_train == model.predict(X_train)).sum(), y_train.size, dtype = float)

结果约为62％ .

但是，当使用model.score(X_train，y_train)方法时，我得到大约83％的结果 .

因此，我想知道是否有人可以向我解释为什么会出现这种情况，因为据我所知，他们应该返回相同的结果？

附录：

y_true的前10个值是：

2,3,1,3,2,3,2,2,3,1 ......

而对于y_pred(使用model.predict(X_train)时)，它们是：

2,3,3,2,2,3,2,3,3,3 ......