参考来源：
sklearn 文档：sklearn.metrics.accuracy_score
源代码：https://github.com/scikit-learn/scikit-learn/blob/0d378913b/sklearn/metrics/_classification.py#L144

sklearn.metrics.accuracy_score()

sklearn.metrics.accuracy_score(y_true, y_pred, *, normalize=True, sample_weight=None)
准确率分类得分。
在多标签分类中，此函数计算子集的准确率：为一个样本预测的标签集必须与 y_true 中的相应标签集完全匹配。

参数：

**y_true**：一维类数组形状，或标签指示数组/稀疏矩阵；真实标签。
**y_pred**：一维类数组形状，或标签指示数组/稀疏矩阵；分类器返回的预测标签。
**normalize**：布尔值，默认为 True；如果 normalize=True，返回正确分类的样本数。 否则 normalize=False，返回正确分类样本的的百分比。
**sample_weight**：类数组形状 (n_samples,)，默认为 None；样本权重。

返回值：

**score**：float；如果 normalize == True, 返回正确分类样本的百分比（float），否则 normalize == False，返回正确分类样本的数量（int）。
normalize == True：最好的性能是 1；normalize == False：最好的性能是样本数。

注意：在二元分类中，这个函数等于函数 [sklearn.metrics.jaccard_score](https://scikit-learn.org/stable/modules/generated/sklearn.metrics.jaccard_score.html#sklearn.metrics.jaccard_score)。