sklearn如何逐步計算精度分數？

Question

我正在讀有關sklearn中使用的指標，但我覺得很困惑以下：

在本文檔sklearn提供其使用的一個例子如下：

import numpy as np 
from sklearn.metrics import accuracy_score 
y_pred = [0, 2, 1, 3] 
y_true = [0, 1, 2, 3] 
accuracy_score(y_true, y_pred) 
0.5 

我理解該sklearns計算該度量如下：

我不知道這個過程，我想感謝一些人能夠一步一步解釋更多這個結果，因爲我正在研究它，但是我發現很難理解，爲了更多地理解，我嘗試了以下情況：

import numpy as np 
from sklearn.metrics import accuracy_score 
y_pred = [0, 2, 1, 3,0] 
y_true = [0, 1, 2, 3,0] 
print(accuracy_score(y_true, y_pred)) 
0.6 

而且我認爲正確的計算應爲以下：

，但我不知道這件事，我想看看是否有人會支持我的計算，而不是複製並粘貼sklearn的文檔。

我有疑問，如果我在sumatory是一樣的我括號裏面的公式，它是我不清楚，我不知道是否在sumatory元素的數量與樣本中元素的數量相關，如果它也取決於類的數量。

Answer 1

一種簡單的方式來理解的準確性的計算公式是：

給定兩個列表，y_pred和y_true，對於每一個位置索引i，比較的y_pred第i個元件與y_true的第i個元素，並執行下面的計算：

1. 計數匹配數
2. 把它通過使用這樣你自己的例子樣品

數量：

y_pred = [0, 2, 1, 3, 0] 
y_true = [0, 1, 2, 3, 0] 

我們看到指數0,3和4場比賽。因此：

number of matches = 3 
number of samples = 5 

最後，精度計算：

accuracy = matches/samples 
accuracy = 3/5 
accuracy = 0.6 

併爲您對我指數的問題，它是樣本指數，因此兩者的總和指數和同Y/Yhat指數。

Answer 2

僅當參數中的變量相等時指示符函數等於1，否則其值爲零。因此，當y等於指示函數產生一個計數作爲正確的分類時。在下面的python和數字示例中有一個代碼示例。

import numpy as np 
yhat=np.array([0,2,1,3]) 
y=np.array([0,1,2,3]) 
acc=np.mean(y==yhat) 
print(acc) 

example