python - clf.score(X_train,Y_train) 在决策树中评估什么？

Question

我正在尝试构建决策树，并在网上找到了以下代码。

我的问题是:

• clf.score(X_train,Y_train) 在决策树中评估什么？输出如下面的屏幕截图所示，我想知道该值是什么？

  clf = DecisionTreeClassifier(max_depth=3).fit(X_train,Y_train)
  print("Training:"+str(clf.score(X_train,Y_train)))
  print("Test:"+str(clf.score(X_test,Y_test)))
  pred = clf.predict(X_train)
  

  输出:

  

• 在下面的代码中，我认为它计算了模型的几个分数。我设置的 max_深度越高，分数就会增加。这对我来说很容易理解。但是，我想知道这些数字与上一个屏幕截图中的训练和测试值有什么区别？

• 我的目标是预测房价是否超过 2 万。在选择最适合且简单的模型时我应该考虑哪个分数？

Answer 1

正如评论中正确指出的那样，这确实是平均训练精度；通过简单地将第二个屏幕截图中的四个不同分数与第一个屏幕截图中的训练分数进行比较，您应该已经能够猜到这一点。但无论如何，在继续在这里提出此类问题之前，您应该首先查阅相关的文档，在类似情况下，这可以说是您的最好的 friend 。引用自 scikit-learn DecisionTreeClassifier 的 score 方法 docs :

score (X, y, sample_weight=None)

Returns the mean accuracy on the given test data and labels.