sklearn.metrics accuracy_score - Python

accuracy_score是sklearn.metrics的一个函数，它可以用来计算分类模型的预测准确率。该函数将预测结果和真实结果进行比较，计算预测准确的比例。以下是使用accuracy_score的示例：

from sklearn.metrics import accuracy_score

y_true = [0, 1, 2, 3, 4]
y_pred = [0, 1, 2, 3, 4]

accuracy = accuracy_score(y_true, y_pred)
print("Accuracy:", accuracy)

这个示例中，我们使用accuracy_score计算了两个相同列表的准确率。由于这两个列表相同，因此输出会显示100％的准确率。这个函数还可以用在机器学习模型中，例如分类模型，它可以计算出模型的预测准确率。

与其他许多sklearn函数一样，accuracy_score有一些可选参数。例如，您可以使用normalize参数指定返回准确率的类型。如果将其设置为True，则返回的是准确率的比例，在0和1之间。如果设置为False，则返回正确预测的样本数量。以下是使用normalize参数的示例：

from sklearn.metrics import accuracy_score

y_true = [0, 1, 2, 3, 4]
y_pred = [0, 1, 2, 3, 4]

accuracy = accuracy_score(y_true, y_pred, normalize=True)
print("Accuracy:", accuracy)

此示例中，normalize参数被设置为True。因此，输出将是1.0，即100％的准确率比例。

综上所述，accuracy_score是一个非常有用的函数，可以用于评估分类模型的性能以及比较预测结果和真实结果。如果您想了解更多有关accuracy_score的细节，请查看Sklearn官方文档。