如何用NumPy和sklearn计算分类器交叉验证准确率的均值与标准误

计算方法 #

你可以直接基于已经得到的交叉验证准确率列表acc_score，用NumPy快速计算两个指标：

• 平均准确率直接对准确率列表取平均值即可
• 准确率的标准误计算公式为 样本标准差 / 折数的平方根，其中样本标准差选择无偏估计（自由度为n-1）即可

完整代码示例 #

你只需在原有代码的末尾补充以下代码即可：

import numpy as np

# 计算平均准确率
average_accuracy = np.mean(acc_score)
# 计算标准误
standard_error = np.std(acc_score, ddof=1) / np.sqrt(len(acc_score))

# 格式化输出结果，保留4位小数
print(f"平均准确率：{average_accuracy:.4f}")
print(f"标准误：{standard_error:.4f}")

示例结果 #

代入你给出的准确率列表，最终输出为：

平均准确率：0.9667
标准误：0.0118

内容的提问来源于stack exchange，提问作者user3046211