sklearn模块函数介绍

一、sklearn.metrics.accuracy_score

　这个包可以帮助我们统计两个列表中相同位置元素相同的个数，比如我们预测出来的label和真实的label有多大差距，预测的准确率是多少，可以用它

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

accuracy_score(y_true, y_pred, normalize=False)
#2

二、sklearn.metrics.classification_report

　sklearn中的classification_report函数用于显示主要分类指标的文本报告．在报告中显示每个类的精确度，召回率，F1值等信息

　参数可查看官方文档

from sklearn.metrics import classification_report
y_true = [0, 1, 2, 2, 2]
y_pred = [0, 0, 2, 2, 1]
target_names = ['class 0', 'class 1', 'class 2']
print(classification_report(y_true, y_pred, target_names=target_names))

三、sklearn.model_selection.GridSearchCV

　用于模型最佳参数的获取，其中的estimator参数：

　estimator：所使用的分类器，如estimator=RandomForestClassifier(min_samples_split=100,min_samples_leaf=20,max_depth=8,max_features='sqrt',random_state=10)

　并且传入除需要确定最佳的参数之外的其他参数。每一个分类器都需要一个scoring参数，或者score方法