我试图评估一个模型的性能,但我似乎无法掌握实际返回的分数。文件上说:
Returns the mean accuracy on the given test data and labels.
In multi-label classification, this is the subset accuracy which is a harsh
metric since you require for each sample that each label set be correctly predicted.
这不是直觉-什么是准确度?我想看看均方误差值来检查模型。如果我的模型的最小均方误差为30%,这是否意味着它的“得分”是70%?如果我运行一个模型,该模型通过交叉验证选择参数,评分函数设置为mean_squared_error
,这个“分数”会基于这个计算吗?在
我似乎找不到任何有关这方面的文档-我将非常感谢您的帮助。在
谢谢你!在
accuracy是正确分类的示例的百分比。在
这里有4个正确分类的例子中的2个,所以准确度是2/4=0.5
如果您使用的是mean_squared_error,那么您的问题就是回归问题。在您的GridSearch中使用此度量将发现最小的错误。在
诀窍是,当进行网格搜索交叉验证时,目标是使得分函数最大化。但是最大化错误将是一个坏主意,所以为了与sklearnapi保持一致,他们将错误的反面作为分数。这样你就可以最大限度地减少错误,从而使你的分数最大化。在
所以如果你想显示你的错误,一定要取分数的绝对值
^{pr2}$相关问题 更多 >
编程相关推荐