dask_ml.metrics.accuracy_score
dask_ml.metrics.accuracy_score¶
- dask_ml.metrics.accuracy_score(y_true: dask_ml._typing.ArrayLike, y_pred: dask_ml._typing.ArrayLike, normalize: bool = True, sample_weight: Optional[dask_ml._typing.ArrayLike] = None, compute: bool = True) dask_ml._typing.ArrayLike[源代码]¶
准确性分类得分。
在多标签分类中，此函数计算子集准确率：为样本预测的标签集必须 完全 匹配 y_true 中的相应标签集。
更多信息请参阅 用户指南。
- 参数
- y_true1维数组类，或标签指示数组
地面真值（正确）标签。
- y_pred1维数组类，或标签指示数组
预测的标签，由分类器返回。
- 规范化bool, 可选 (默认=True)
如果
False，返回正确分类的样本数量。否则，返回正确分类样本的比例。- sample_weight1维类数组，可选
样本权重。
0.7.0 新版功能.
- 返回
- 分数标量 Dask 数组
如果
normalize == True，则返回正确分类的样本（浮点数），否则返回正确分类的样本数量（整数）。最佳性能是
normalize == True时的1，以及normalize == False时的样本数量。
注释
在二分类和多分类中，此函数等同于
jaccard_相似度_得分函数。示例
>>> import dask.array as da >>> import numpy as np >>> from dask_ml.metrics import accuracy_score >>> y_pred = da.from_array(np.array([0, 2, 1, 3]), chunks=2) >>> y_true = da.from_array(np.array([0, 1, 2, 3]), chunks=2) >>> accuracy_score(y_true, y_pred) dask.array<mean_agg-aggregate, shape=(), dtype=float64, chunksize=()> >>> _.compute() 0.5 >>> accuracy_score(y_true, y_pred, normalize=False).compute() 2
在多标签情况下，使用二进制标签指示器：
>>> accuracy_score(np.array([[0, 1], [1, 1]]), np.ones((2, 2))) 0.5