sklearn.metrics.accuracy_score¶
sklearn.metrics.accuracy_score(y_true, y_pred, *, normalize=True, sample_weight=None)
精度分类得分。
在多标签分类中，此函数计算子集准确性：为样本预测的标签集必须与y_true中的相应标签集完全匹配。
在用户指南中阅读更多内容。
| 参数 | 说明 |
|---|---|
| y_true | 1d array-like, or label indicator array / sparse matrix 真实标签。 |
| y_pred | 1d array-like, or label indicator array / sparse matrix 预测标签，由分类器返回。 |
| normalize | bool, optional (default=True) 如果为False，则返回正确分类的样本数。否则，返回正确分类的样本的分数。 |
| sample_weight | array-like of shape (n_samples,), default=None 样本权重。 |
| 返回值 | 说明 |
|---|---|
| score | float 如果normalize == True，则返回正确分类的样本的分数（浮点数），否则返回正确分类的样本数（整数）。 最佳性能，在normalize == True时，为1；在normalize == False时，为样本数量。 |
另见
注
在二进制和多类分类中，此函数等同于jaccard_score函数。
示例
>>> 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
在带有二进制标签指示符的多标签情况下：
>>> import numpy as np
>>> accuracy_score(np.array([[0, 1], [1, 1]]), np.ones((2, 2)))
0.5
