Ich versuche, die Leistung eines Modells zu bewerten, und ich kann nicht scheinen zu erfassen, welche Punktzahl tatsächlich zurückkehrt. Die Dokumentation sagt:Ausgabe der Score-Funktion für das Modell in sklearn
Returns the mean accuracy on the given test data and labels.
In multi-label classification, this is the subset accuracy which is a harsh
metric since you require for each sample that each label set be correctly predicted.
Dies ist nicht intuitiv - was ist Genauigkeit hier? Ich möchte Werte des mittleren quadratischen Fehlers sehen, um das Modell zu überprüfen. Wenn mein Modell also einen MSE von 30% hat, bedeutet das, dass seine "Punktzahl" 70% beträgt? Wenn ich das a-Modell verwende, das Parameter durch Kreuzvalidierung mit der auf mean_squared_error
eingestellten Bewertungsfunktion auswählt, wird diese "Punktzahl" basierend darauf berechnet?
Ich kann keine Dokumentation zu diesem Thema finden - und ich würde die Hilfe wirklich schätzen.
Vielen Dank!