python之scikit-learn 分类器中的评分函数位于何处

在 scikit-learn 内运行交叉验证时, 所有分类器都有一个工厂函数 score()我可以很容易地检查分类器的准确性，例如来自 http://scikit-learn.org/stable/modules/cross_validation.html

>>> import numpy as np 
>>> from sklearn import cross_validation 
>>> from sklearn import datasets 
>>> from sklearn import svm 
 
>>> iris = datasets.load_iris() 
>>> iris.data.shape, iris.target.shape 
((150, 4), (150,)) 
>>> X_train, X_test, y_train, y_test = cross_validation.train_test_split( 
...     iris.data, iris.target, test_size=0.4, random_state=0) 
 
>>> X_train.shape, y_train.shape 
((90, 4), (90,)) 
>>> X_test.shape, y_test.shape 
((60, 4), (60,)) 
 
>>> clf = svm.SVC(kernel='linear', C=1).fit(X_train, y_train) 
>>> clf.score(X_test, y_test)                            
0.96... 

在深入了解 scikit-learn 的 github 存储库之后，我仍然无法弄清楚 clf.score() 的功能在哪里功能。

有此链接，但不包含 score() , https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/svm/classes.py

score() 在哪里sklearn 的函数分类器位于？

我可以 implement my own score function easily , 但目的是构建我的库，使其与 sklearn 保持一致分类器，不要想出我自己的评分函数 =)

请您参考如下方法:

scikit-learn 分类器的默认 score() 方法是准确度分数，并且是 defined in the ClassifierMixin class .这个 mixin 是大多数(所有？)scikit-learn 内置分类器的父类。

如果您正在编写自己的分类器，我建议您也继承此 mixin 和 BaseEstimator，这样您就可以自动获得模型的评分和其他功能。