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

Question

我是机器学习的初学者，现在正在为我的期末考试做一个项目。我正在尝试构建决策树，并在网上找到以下代码。

我的问题是：

• clf.score(X_train,Y_train) 在决策树中评估什么？输出在以下屏幕截图中，我想知道那个值是什么？

  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，我认为它为模型计算了几个分数。我设置的 max_depth 越高，分数越高。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训练和测试的值有什么区别？

  

• 我的目标是预测房价是否超过 20k。在选择最适合和简单的模型时，我应该考虑哪个分数？

标签： pythonmachine-learningscikit-learnclassificationdecision-tree

Answer 1

正如评论中正确指出的那样，这确实是平均训练精度；你应该已经猜到了，只需将第二张截图中的四个不同分数与第一张截图中的训练分数进行比较。但无论如何，在继续在这里打开此类问题之前，您应该先查阅相关文档，这可以说是您在类似情况下最好的朋友。引用scorescikit-learnDecisionTreeClassifier 文档的方法：

分数 (X, y, sample_weight=None)

返回给定测试数据和标签的平均准确度。