Skip to main content
 首页 » 编程设计

python之Kfold,cross_val_score : on the basis of what data the output is shown (sklearn wrapper)

2024年11月01日25zhenyulu

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: