时间戳

首页 > 解决方案 > 使用 cross_val_score() 的正确方法是什么

machine-learning - 使用 cross_val_score() 的正确方法是什么

问题描述

考虑这样的函数调用：cross_val_score(model, X, y, cv).
在这个函数调用之前，我已经用 训练了一个模型DecisionTreeClassifier().fit()，我们称之为trained_model。

我有这些问题：

  1. model: 我应该把什么传递给这个参数？DecisionTreeClassifier(),DecisionTreeClassifier().fit()或trained_model?
    当我构建时trained_model，我已经random_state为分类器和train_test_split(). 我应该random_state进去cross_val_score()吗？
  2. X, y: 我应该将什么传递给这些参数？X_train, y_train还是只是X, y？

目前我的cross_val_score()电话是这样的：
scores_dtree_cv_kfold = cross_val_score(trained_model, X, y, cv=KFold(5)) 我不太确定我在做什么。

任何人都可以判断我做得是否正确，我怎么做错了，会发生什么？

标签： machine-learningscikit-learncross-validation

解决方案

交叉验证是一种测试（未拟合）模型及其参数的方法。
因此，该函数需要未拟合的模型（例如cross_val_score(DecisionTreeClassifier())）。

X, y应该是整个数据，因为该函数会将它们分成 k 折叠。

推荐阅读