sklearn如何一步一步计算准确度分数？

Question

我正在阅读 sklearn 中使用的指标，但我发现以下内容很困惑：

在文档中，sklearn 提供了一个如下用法示例：

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

我知道 sklearns 计算该指标如下：

我不确定这个过程，我希望有人能逐步解释这个结果，因为我正在研究它，但我发现很难理解，为了理解更多，我尝试了以下案例：

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

我认为正确的计算如下：

但我不确定，我想看看是否有人可以支持我的计算，而不是复制和粘贴 sklearn 的文档。

我怀疑总结中的 i 是否与括号内公式中的 i 相同，我不清楚，我不知道知道总结中的元素数量是否仅与样本中的元素数量有关，如果它还取决于类的数量。

Answer 1

仅当参数中的变量相等时，指示函数才等于 1，否则它的值为零。因此，当 y 等于 yhat 时，指示函数产生一个计数作为正确分类。 python中有一个代码示例和下面的数字示例。

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

Answer 2

理解准确率计算的简单方法是：

给定两个列表 y_pred 和 y_true，对于每个位置索引 i，比较 y_pred 的第 i 个元素和 y_true 的第 i 个元素并执行以下计算：

1. 统计匹配数
2. 除以样本数

所以用你自己的例子：

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

我们在索引 0、3 和 4 上看到匹配项。因此：

number of matches = 3
number of samples = 5

最后是准确率计算：

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

对于您关于 i 索引的问题，它是样本索引，因此求和索引和 Y/Yhat 索引都是相同的。