scikit-learn: оценивает ли оценка перекрестной проверки функцию потери журнала?

Question

В python sklearn я использую стохастический градиентный спуск, чтобы выполнить мультиклассовую классификацию, минимизируя функцию потери журнала.

clf = SGDClassifier(loss="log", penalty="l2")

Когда я выполняю перекрестную проверку моего набора тестов, для каждого разделения данных я вычисляю:

score = clf.fit(X_train, y_train).score(X_test, y_test)

Является ли оценка оценкой функции потерь?

Для каждого разделения перекрестной проверки мой результат всегда равен 0,0. Значит ли это, что мой классификатор правильно обозначил мои тестовые данные ИЛИ это означает, что моя точность очень низкая?

Answer 1

Вот оно Это не связано с функцией потери.

Возвращает среднюю точность данных и данных теста.

В классификации с несколькими метками это точность подмножества, которая является жесткой метрикой, поскольку для каждой выборки требуется, чтобы каждый набор меток был правильно спрогнозирован.

Он использует функцию precision_score внутри.

Точность классификации.

В многослойной классификации эта функция вычисляет точность подмножества: набор меток, прогнозируемых для выборки, должен точно соответствовать соответствующему набору меток в y_true.

0.0 означает, что ваш классификатор не может правильно классифицировать любой образец из X_test.