scikit-learn：交叉验证分数是否评估对数损失函数？

Question

3

在Python的sklearn中，我正在使用随机梯度下降来进行多类分类，最小化对数损失函数。

clf = SGDClassifier(loss="log", penalty="l2")

当我对测试集执行交叉验证时，对于数据的每个拆分，我计算：

score = clf.fit(X_train, y_train).score(X_test, y_test)

分数是损失函数的评估吗？

对于每个交叉验证拆分，我的得分始终为0.0。那么这是否意味着我的分类器已正确标记了测试数据，还是这意味着我的准确率非常低？

- MatrixMummy

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Ibraim Ganiev · Accepted Answer

这里它是。它与损失函数无关。

返回给定测试数据和标签的平均准确率。

在多标签分类中，这是子集精度，这是一个严格的指标，因为对于每个样本，您需要正确预测每个标签集。

它使用accuracy_score函数。

准确性分类得分。

在多标签分类中，此函数计算子集准确度：对于一个样本，预测的标签集必须完全匹配y_true中相应的标签集。

0.0表示您的分类器无法正确分类X_test中的任何样本。