sklearn 中的cross_val_score()

最新推荐文章于 2023-10-01 15:49:56 发布

好瘦的小胖子

最新推荐文章于 2023-10-01 15:49:56 发布

阅读量1.7k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：模型选择机器学习

本文链接：https://blog.youkuaiyun.com/qq_29547673/article/details/89278201

sklearn库中的cross_val_score()函数用于进行交叉验证评估，它接受数据对象、数据、预测数据以及交叉验证设置等参数。返回每个交叉验证折叠的评分结果数组。此外，用户可以指定评估指标、并行执行的CPU数量以及拟合方法时的额外参数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

sklearn中的cross_val_score()函数

sklearn.model_selection.cross_val_score(estimator, X, y=None, scoring=None, cv=None, n_jobs=1, verbose=0, fit_params=None, pre_dispatch=‘2*n_jobs’)

参数

estimator：数据对象
X：数据
y：预测数据
soring：调用的方法
cv：交叉验证生成器或可迭代的次数
n_jobs：同时工作的cpu个数（-1代表全部）
verbose：详细程度
fit_params：传递给估计器的拟合方法的参数
pre_dispatch：控制并行执行期间调度的作业数量。减少这个数量对于避免在CPU发送更多作业时CPU内存消耗的扩大是有用的。

交叉验证每次运行的评分构成的数组

例子

from sklearn.model_selection import KFold #for K-fold cross validation
from sklearn.model_selection import cross_val_score #score evaluation
kfold = KFold(n_splits=10, random_state=22) # k=10, split the data into 10 equal parts
xyz=[]
accuracy=[]
std=[]
classifiers=['Linear Svm','Radial Svm','Logistic Regression','KNN