python - 如何在机器学习中使用 cross_val_score 进行预测
问题描述
在我的课程中,我学习了如何使用交叉验证来提高模型的准确性,训练中的一切看起来都很漂亮。但是当我去练习训练时,我发现我无法使用经过交叉验证训练的模型,请按照我的代码:
X = array[:,0:8]
Y = array[:,8]
num_folds = 10
seed = 7
kfold = KFold(num_folds, True, random_state = seed)
modelo = LogisticRegression()
resultado = cross_val_score(modelo, X, Y, cv = kfold)
print("Acurácia: %.3f" % (resultado.mean() * 100))
在这个交叉验证逻辑中,我如何使用在我的测试数据中训练的模型?
我正在尝试类似modelo.predict(X_test)
但没有成功的东西
谁能帮我?
解决方案
您需要先将模型拟合到数据中,然后才能使用该.predict
函数。我相信你正在使用 scikit learn,所以:
clf = LogisticRegression()
clf = clf.fit(X, y)
clf.predict(X[:2, :])
推荐阅读
- c - 如何使用 fcntl 和 F_GETOWN 知道我们是否收到错误或组 ID?
- ruby-on-rails - 将 rails 关联从 has_many 更改为 has_one
- laravel - 拉拉维尔 | 删除功能 - 如何从日历的事件中删除照片
- bash - 将批处理文件的简单行转换为 bash
- docker - Golang 的 Docker SDK 无法连接到覆盖网络内的守护进程
- cmd - 尝试在 Windows 命令提示符下创建菜单
- algorithm - 动态规划:如何解决大输入的所有组合有序硬币找零问题
- javascript - 如何使每个新输出出现在新框中?
- wordpress - 确切地说,什么时候应该减少库存?
- java - Java通过Socket高频发送短字符串