sklearn 库中 .score() 和 .predict 的区别？

Posted 2023-02-23

【中文标题】sklearn 库中 .score() 和 .predict 的区别？

【英文标题】：Difference between .score() and .predict in the sklearn library?

【发布时间】：2015-03-21 12:35:39

【问题描述】：

我使用 sklearn 库通过以下代码实例化了一个 SVC 对象：

clf = svm.SVC(kernel='linear', C=1, cache_size=1000, max_iter = -1, verbose = True)

然后我使用以下方法拟合数据：

model = clf.fit(X_train, y_train)

其中 X_train 是 (301,60)，y_train 是 (301,) ndarray（y_train 由类标签“1”、“2”和“3”组成）。

现在，在我偶然发现 .score() 方法之前，为了确定我的模型在训练集上的准确性，我使用了以下方法：

prediction = np.divide((y_train == model.predict(X_train)).sum(), y_train.size, dtype = float)

结果约为 62%。

但是，当使用 model.score(X_train, y_train) 方法时，我得到了大约 83% 的结果。

因此，我想知道是否有人可以向我解释为什么会这样，因为据我了解，他们应该返回相同的结果？

附录：

y_true 的前 10 个值是：

2, 3, 1, 3, 2, 3, 2, 2, 3, 1, ...

而对于 y_pred（使用 model.predict(X_train) 时），它们是：

2, 3, 3, 2, 2, 3, 2, 3, 3, 3, ...

【问题讨论】：

这很奇怪，你能发布一些数据子集（至少一些 y_true 和 y_pred 值）吗？

【参考方案1】：

因为你的y_train 是(301, 1) 而不是(301,) numpy 进行广播，所以

(y_train == model.predict(X_train)).shape == (301, 301)

这不是你想要的。 您的代码的正确版本是

np.mean(y_train.ravel() == model.predict(X_train))

这将给出与

相同的结果

model.score(X_train, y_train)

【讨论】：

不幸的是，我在陈述问题时不正确，y_train 实际上是 (301,) - 我的错误（问题已被编辑）！

话虽如此，当使用np.mean(y_train.ravel() == model.predict(X_train)) 时，我的训练准确率仍然达到 60%。 :(

y_train、X_train、model.predict(X_train)`` 和 y_train == model.predict(X_train) 的形状和 dtype 是什么？

y_train : (301,) int64; X_train : (301, 60) float64; model.predict(X_train) : (301,) int64; y_train == model.predict(X_train)：布尔；这有帮助吗？

事实证明，由于我处理数据集的方式存在细微差别，X_train 在两个函数调用之间略有修改，因此准确性结果存在差异。感谢您的帮助，我很抱歉让您大吃一惊。干杯！