## 准确性
> 用于计算分类器准确度的类。
### 评分
计算分类器准确度得分使用`score`静态方法。参数:
`$actualLabels` - (array)真样本标签
`$predictLabels` - (array)预测标签(来自测试组的e.x.)
`$normalize` - (bool)规范化与否结果(默认值:true)
*****
## 例
```
$actualLabels = ['a', 'b', 'a', 'b'];
$predictedLabels = ['a', 'a', 'a', 'b'];
Accuracy::score($actualLabels, $predictedLabels);
// return 0.75
Accuracy::score($actualLabels, $predictedLabels, false);
// return 3
```
- 基本介绍
- 关联规则学习
- 分类
- SVC
- k近邻算法
- NaiveBayes
- 回归
- 最小二乘法
- SVR
- 聚类
- k均值聚类算法
- DBSCAN聚类算法
- 公
- 准确性
- 混乱矩阵
- 分类报告
- 工作流程
- 神经网络
- 交叉验证
- 随机拆分
- 分层随机分裂
- 特征选择
- 方差阈值
- 特征选择
- 预处理
- 标准化
- 缺失值补全
- 特征提取(自然语言)
- 令牌计数矢量化器(文本处理)
- Tf-idf转换
- 数据集
- ArrayDataset
- CsvDataset
- FilesDataset
- SvmDataset
- MnistDataset
- 准备使用数据集
- Iris Dataset
- Wine Dataset
- Glass Dataset
- 模型管理
- 数学
- 距离
- 矩阵
- 组
- 统计