机器学习之预测概率问题

超清晰解释：为什么两个正确率（score）数值不一样？

我直接给你讲最核心、最本质的原因，保证你一看就懂！

你代码里这两行：

print(f'正确率：{estimator.score(x_train,y_train)}')# 0.98print(f'正确率:{accuracy_score(y_test,y_predict)}')# 0.91

一句话总结

一个是“做过的题得分”，一个是“没做过的新题得分”，当然不一样！

1. 两个分数到底算的是什么？

①score(x_train, y_train)→训练集正确率 0.98

• 用训练集数据打分
• 模型早就见过这些数据，已经学过了
• 相当于：拿课堂练习题考学生
• 学生当然得分高！

②accuracy_score(y_test, y_predict)→测试集正确率 0.91

• 用测试集数据打分
• 模型从来没见过这些数据
• 相当于：拿全新期末考试卷考学生
• 分数自然会比训练集低一点，这才是模型真实能力

2. 为什么训练集分数一定更高？

机器学习模型会努力记住训练集的规律，甚至会：

• 记住训练集里的细节
• 记住训练集里的噪声
  所以在自己学过的数据上表现极好。

但测试集是全新数据，模型不能“背答案”，
所以分数会更真实、更低、更有参考价值。

3. 你的结果完全正常！

训练集正确率：0.98 ✅ 正常（见过的题） 测试集正确率：0.91 ✅ 正常（没见过的新题）

只要测试集正确率不是远低于训练集（比如 0.98 vs 0.5），
就说明没有过拟合，模型很健康。

4. 最重要的结论（一定要记住）

我们看模型好坏，只看测试集分数！

• 0.91才是模型真实准确率
• 0.98只是记忆分数，不能代表模型能力

5. 你代码里的小问题（顺手帮你改）

你写的：

print(f'正确率：{estimator.score(x_train,y_train)}')

应该改成：

print(f'训练集正确率：{estimator.score(x_train,y_train)}')print(f'测试集正确率：{accuracy_score(y_test,y_predict)}')

这样就不会混淆了。

最终超级简单总结

• 0.98：模型做自己学过的题→ 分数高
• 0.91：模型做全新的考题→ 分数真实
• 两个不一样 = 完全正常 = 机器学习必然现象