sklearn score

`sklearn`提供了许多不同类型的score函数，具体取决于你所处理的问题类型。以下是一些常见的函数：

1. `sklearn.metrics.accuracy_score(y_true, y_pred)`：计算分类问题中预测准确率。
2. `sklearn.metrics.precision_score(y_true, y_pred)`：计算二元分类或多类分类问题中的精确度。
3. `sklearn.metrics.recall_score(y_true, y_pred)`：计算二元分类或多类分类问题中的召回率。
4. `sklearn.metrics.f1_score(y_true, y_pred)`：计算二元分类或多类分类问题中的F1分数。
5. `sklearn.metrics.mean_squared_error(y_true, y_pred)`：计算回归问题中的均方误差。
6. `sklearn.metrics.r2_score(y_true, y_pred)`：计算回归问题中的R2得分。

在这些函数中，`y_true`表示真实标签，`y_pred`表示预测标签。你需要将它们传递给适当的函数以计算相应的分数。