'score' 在 scikit-learn 的 cross_val_score 中意味着什么？是否意味着准确？
What does 'score' mean in scikit-learn's cross_val_score? Does it mean accuracy?
我是机器学习的新手，正在对我的模型使用 k 折交叉验证。我正在使用 cross_val_score.
文档指出 cross_val_score returns 一个 "scores." 的数组 score 与准确度相同吗？我真的无法在网上找到这个问题的答案。
cross_val_score中使用的"score"可以通过函数的scoring参数指定。来自 docs（与问题中的 link 相同）：
scoring : string, callable or None, optional, default: None A string
(see model evaluation documentation) or a scorer callable object /
function with signature scorer(estimator, X, y) which should return
only a single value.
Similar to cross_validate but only a single metric is permitted.
If None, the estimator’s default scorer (if available) is used.
因此，您可以将准确性作为分数传递，但如果您未指定任何具体分数，将使用估算器的默认值。如果我没记错的话，估计器的默认值通常只是它的损失函数。事实上，你在讨论准确性，我假设你正在处理一个分类问题，其中损失是交叉熵......所以，这就是你可能看到的。
您可以通过计算损失并与您的分数进行比较来验证这一点。
我是机器学习的新手，正在对我的模型使用 k 折交叉验证。我正在使用 cross_val_score.
文档指出 cross_val_score returns 一个 "scores." 的数组 score 与准确度相同吗？我真的无法在网上找到这个问题的答案。
cross_val_score中使用的"score"可以通过函数的scoring参数指定。来自 docs（与问题中的 link 相同）：
scoring : string, callable or None, optional, default: None A string (see model evaluation documentation) or a scorer callable object / function with signature scorer(estimator, X, y) which should return only a single value.
Similar to cross_validate but only a single metric is permitted.
If None, the estimator’s default scorer (if available) is used.
因此，您可以将准确性作为分数传递，但如果您未指定任何具体分数，将使用估算器的默认值。如果我没记错的话，估计器的默认值通常只是它的损失函数。事实上，你在讨论准确性，我假设你正在处理一个分类问题，其中损失是交叉熵......所以，这就是你可能看到的。
您可以通过计算损失并与您的分数进行比较来验证这一点。