人工智能分类任务得分
【摘要】 1. 基础说明from sklearn.metrics import accuracy_scoreaccuracy_score = 准确率指标，只用于【分类任务】，不能用于回归！公式：\(accuracy=\frac{预测正确的样本数量}{总样本数量}\)参数用法：python运行accuracy_score(y_true, y_pred)# y_true：真实标签# y_pred：模型预测...
1. 基础说明
from sklearn.metrics import accuracy_score
accuracy_score = 准确率指标，只用于【分类任务】，不能用于回归！
公式：
\(accuracy=\frac{预测正确的样本数量}{总样本数量}\)
参数用法：
python
运行
accuracy_score(y_true, y_pred)
# y_true：真实标签
# y_pred：模型预测标签
2. 重点避坑（你现在在做回归！）
你前面写的线性回归、Ridge、Lasso 属于回归问题，输出是连续数值（比如 3.56、12.78）
❌ 回归绝对不能用 accuracy_score
回归要用：
mean_squared_errorMSE 均方误差mean_absolute_errorMAEr2_scoreR² 决定系数
3. 简单例子（分类场景正确示范）
from sklearn.metrics import accuracy_score
# 真实类别
y_true = [0,1,1,0,1]
# 预测类别
y_pred = [0,1,0,0,1]
print(accuracy_score(y_true,y_pred)) # 0.8
4. 配套区分速记
表格
| 指标 | 适用任务 |
|---|---|
| accuracy_score | 分类任务 |
| mean_squared_error(MSE) | 回归任务 |
| r2_score | 回归任务 |
5. 常见错误
很多新手把
如果你现在运行：
accuracy_score 放到回归代码直接运行，会报错 / 算出毫无意义的值。
accuracy_score(y, y_predict)
大概率直接报错！因为 y 是连续浮点数，不是离散类别标签。
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）