python - knn.score参数说明

Question

在下面的代码(最后一行)中，根据文档使用了 X_test 和 y_test:

Returns the mean accuracy on the given test data and label

问题是到底计算了什么，因为 X_test 具有测试数据中的数据，而 y_test 具有这些数据的标签。

检查预测标签与实际标签是有意义的。

你能告诉我最后一行的第一个场景是如何工作的吗？

X_train, X_test, y_train, y_test = train_test_split(iris_dataset['data'], iris_dataset['target'], 
random_state=0)
knn = KNeighborsClassifier(n_neighbors=1)
knn.fit(X_train, y_train)
print("Test set score: {:.2f}".format(knn.score(X_test, y_test)))

Answer 1

如果您检查docs :

Parameters: 

X : array-like, shape = (n_samples, n_features)

    Test samples.
y : array-like, shape = (n_samples) or (n_samples, n_outputs)

    True labels for X.
sample_weight : array-like, shape = [n_samples], optional

    Sample weights.

Returns:    

score : float

    Mean accuracy of self.predict(X) wrt. y.

后面会发生什么？它正在预测:knn.predict(X_test)，然后使用这些值来计算 knn.predict(X_test) 和 y_test 之间的平均准确度。您应该得到与 sklearn.metrics.accuracy_score 相同的输出:

from sklearn.metrics import accuracy_score
y_predict = knn.predict(X_test)
accuracy_score(y_test, y_predict)