python - 如何在机器学习中使用 cross_val_score 进行预测

Question

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？

标签： pythonmachine-learningscikit-learncross-validation

Answer 1

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, :])

从这里的 scikit 文档。