当我在做机器学习实验并计算准确率时，我发现了一些奇怪的事情。
np.mean(scores.flatten()==y) 的结果与 np.mean(scores==y) 的结果不同？
是因为形状差异吗？
y:[-1 1 -1 -1 1 1 1 -1 -1 -1 -1 -1 -1 -1 1 1 1 -1 1 1 1 -1 1 11 -1 -1 1 1 1 1 -1 1 1 -1 -1 1 -1 -1 -1 -1 1 1 -1 1 1 1 1-1 1 1 1 -1 -1 -1 -1 1 1 -1 1 1 -1 -1 -1 -1 -1 -1 -1 -1 -1 1 -1-1 -1 1 -1 1 1 1 1 -1 -1 1 -1 ]scores:[-1. -1. -1. -1. 1. 1. 1. -1. 1. -1. -1. -1. 1. -1. 1. 1. 1. -1. 1. 1. 1. -1. 1. 1. 1. 1. -1. 1. 1. -1. 1. -1. 1. 1. -1. -1.-1. -1. -1. -1. -1. 1. -1. -1. 1. 1. 1. 1. -1. 1. -1. 1. 1. -1 -1. -1. 1. 1. 1. 1. 1. 1. -1. ]
回答：
嗯，我认为问题在于形状，或者更准确地说，是广播（broadcasting）如何工作的。基本上，你将 scores 的第一个值与 y 的整个数组进行比较，scores 的第二个值与 y 的整个数组进行比较，以此类推。
一个简单的例子 – 200 个随机整数 [1…10]，在两个形状不同的数组中，所以应该期望其中一些是相等的，但由于广播规则，平均值会有所不同
import numpy as nprng = np.random.default_rng(312345)q = np.reshape(rng.integers(0, 10, size=200), (-1, 1)) # 形状为 (200,1) 的数组t = rng.integers(0, 10, size=200) # 形状为 (200,) 的数组z = q.flatten() # q 数组中的值，形状为 (200,)print(np.mean(z == t))print(np.mean(q == t))print("---------------------------------")print(q.shape)print(z.shape)print(t.shape)print("---------------------------------")print(len(z == t))print(len((q == t).flatten()))它会打印出
0.10.0998---------------------------------(200, 1)(200,)(200,)---------------------------------20040000看到最后一行了吗？由于广播，你有 200*200 个项目
