我有以下代码

tree = DecisionTreeClassifier(max_depth=4, random_state=0)trainPrediction=tree.predict(trainData)score=cross_val_score(tree, trainData, trainPrediction)

使用上面的代码，我得到的分数看起来像这样：

[0.96052632 0.93421053 0.89473684 0.94736842 0.92      ]

我原本期待得到一个单一的数字作为分数，而不是一个数组。我该如何解读这个代码，哪一个会被认为是分数？

我尝试过的其他分类器（如SVM）有score(...)函数，这个函数运行得很好。决策树分类器似乎也有这个函数，但当我尝试像这样使用它时，我得到了一个错误：

trainScore=score(trainData, trainPrediction)

我得到的错误是：TypeError: 'numpy.float64' object is not callable

文档显示这是score(X, y[, sample_weight])，但我猜我并不真正理解这个

我使用cross_val_score(...)的原因是因为他们在决策树的文档中使用了它：https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html

注意

我也尝试使用：accuracy_score(…) 像这个例子中一样：

决策树分类器的准确性分数

但这不起作用，因为这个函数不是这个分类器的一部分

回答：

sklearn.model_selection.cross_val_score为您提供了通过交叉验证评估的分数，这意味着它使用K折交叉验证来拟合和预测输入数据。因此，结果是一个包含k个分数的数组，这些分数来自每个折叠。你有一个包含5个值的数组，因为cv默认使用这个值，但你可以修改为其他值。

这里有一个使用鸢尾花数据集的例子：

from sklearn.tree import DecisionTreeClassifierfrom sklearn.model_selection import train_test_split, cross_val_scorefrom sklearn.datasets import load_irisX, y = load_iris(return_X_y=True)X_train, X_test, y_train, y_test = train_test_split(X, y)tree = DecisionTreeClassifier(max_depth=4, random_state=0)cls = tree.fit(X_train, y_train)y_pred = cls.predict(X_test)

现在使用默认设置：

score = cross_val_score(cls, X_test, y_test)score# array([1., 1., 1., 1., 1.])

或者使用三折：

score = cross_val_score(cls, X_test, y_test, cv=3)score# array([1., 1., 1.])

还要注意，cross_val_score期望X和目标变量来尝试预测，而不是预测值。因此，您应该输入X_test和y_test。