Что оценивает clf.score (X_train, Y_train) в дереве решений?

Question

Я новичок в машинном обучении, и сейчас делаю проект для моего финала. Я пытаюсь построить дерево решений и найти следующий код в Интернете.

Мой вопрос:

• Что оценивает clf.score (X_train, Y_train) в дереве решений? Вывод на следующем скриншоте, мне интересно, для чего это значение?

  clf = DecisionTreeClassifier(max_depth=3).fit(X_train,Y_train) print("Training:"+str(clf.score(X_train,Y_train))) print("Test:"+str(clf.score(X_test,Y_test))) pred = clf.predict(X_train)

  Выход:

  

• И в следующем коде я думаю, что он рассчитывает несколько баллов для модели. Чем выше я установил max_depth, тем выше оценка. Это легко понять для меня. Тем не менее, мне интересно, в чем разница между этим числом и значением для обучения и теста на предыдущем скриншоте?

  

• Моя цель состоит в том, чтобы предсказать цену дома, вне зависимости от того, превышает ли она 20 КБ или нет. Какую оценку мне следует учитывать при выборе наиболее подходящей и простой модели?

Answer 1

Как правильно указано в комментариях, это действительно средняя точность обучения;Вы уже должны были догадаться об этом, просто сравнив четыре разных результата на втором скриншоте с тренировочным на первом.Но в любом случае, и прежде чем приступить к открытию таких вопросов здесь, вам следует сначала обратиться к соответствующей документации , которая, вероятно, является вашим лучшим другом в подобных случаях.Цитирование из score метода scikit-learn DecisionTreeClassifier документы :

оценка (X, y, sample_weight = нет)

Возвращает среднюю точность данных испытаний и меток.