参考文章：https://scikit-learn.org/stable/modules/model_evaluation.html#scoring-parameter
默认为None
其他选项如下：
1.accuracy:返回的值是正确率，等同于下面的方式。
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.balanced_accuracy:用于不平衡的数据（to deal with imbalanced datasets，也就是不同类的样本差距较大的数据）。结果最好时值为1，结果不好时值为0，可能会根据样本权重做调整。（The best value is 1 and the worst value is 0 when adjusted=False.）
from sklearn.metrics import balanced_accuracy_score
y_true=[0,1,0,0,1,0]
y_pred=[0,1,0,0,0,1]
balanced_accuracy_score(y_true,y_pred)
0.625
本来值应该是 4/6=0.6666666666666666，经过“balanced”后，值变为0.625