一、介绍
准确率是指在分类问题中,预测准确占总样本的比例。
公式: ,其中 表示预测值, 表示真实值, 表示样本数。
二、accuracy_score
1.原型
sklearn.metrics.accuracy_score(y_true,y_pred,normalize=True,sample_weight=None)
2.参数
- y_true:样本集的真实标记。
- y_pred:分类器对样本集预测的预测值。
- normalize:如果为True,则返回分类正确的比例(准确率),为一个浮点数;否则返回分类正确的数量,为一个整数。
- sample_weight:样本权重,默认每个样本的权重为1.
3.示例代码
from sklearn.metrics import accuracy_score
y_true = [1,1,1,1,1,0,0,0,0,0]
y_pred = [0,0,1,1,0,0,1,1,0,0]
print("Accuracy Score(normalize=True):",accuracy_score(y_true,y_pred,normalize=True))
print("Accuracy Score(normalize=False):",accuracy_score(y_true,y_pred,normalize=False))
Accuracy Score(normalize=True): 0.5
Accuracy Score(normalize=False): 5