我看不懂
的输出kfold_results = cross_val_score(xg_cl, X_train, y_train, cv=kfold, scoring='roc_auc')
xgb.cv 的输出很清楚——有训练成绩和测试成绩:
[0] train-auc:0.927637+0.00405497 test-auc:0.788526+0.0152854
[1] train-auc:0.978419+0.0018253 test-auc:0.851634+0.0201297
[2] train-auc:0.985103+0.00191355 test-auc:0.86195+0.0164157
[3] train-auc:0.988391+0.000999448 test-auc:0.870363+0.0161025
[4] train-auc:0.991542+0.000756701 test-auc:0.881663+0.013579
但是 Sk-learn wrapper 中 cross_val_score 的结果是模棱两可的:它是每次折叠后的分数列表,但是: -test_data 的结果还是 train_data 的结果?
请您参考如下方法:
Kfold 以传递的folds 的数量拆分数据,在 0.20 版中更改:如果没有,则 cv 默认值将在 v0.22 中从 3 倍变为 5 倍。 来自 sklearn .所以它所做的是将数据集拆分为 5 个子集(版本 0.22 的默认设置),使用 4 个作为训练,使用 1 个作为验证。因此输出是一个包含 5 个项目的数组,每次迭代 1 个。这就是它的样子:
