sklearn LassoCV如何執行交叉驗證？

Question

我想知道sklearn.LassoCV如何執行交叉驗證。特別是我想知道這些樣本是如何在褶皺中細分的。這是一個隨機的還是確定性的過程？

例如，假設我有100個樣本，並且使用了10次交叉驗證，並且考慮F將每個樣本發送到它的函數。 F（1:10）= 1，F（11:20）= 2，...或者它是一個隨機過程（例如F（1）= 8，F（2）= 7 ... ）

讓我知道如果問題不明確。

謝謝:)

確定這是解決方案：

from sklearn.linear_model import LassoCV 
from sklearn.cross_validation import KFold 

kf=KFold(len(y),n_folds=10,shuffle=True) 
cv=LassoCV(cv=kf).fit(x,y) 

Answer 1

我假設你正在傳遞的關鍵字ARG cv=10到LassoCV構造？

如果是這樣的話，那麼這將創建一個對象KFold用10倍：看看其中check_cv被稱爲在LinearModelCV（LassoCV的父）。

KFold需要random_state關鍵字參數（默認爲無 - 所以numpy.random會盡量種子上/dev/urandom或類似的東西） - 但如果洗牌False（這是默認設置），然後random_state實際上並沒有做任何事情。摺疊是從數據集中的相鄰成員中選擇的。

如果你想隨機化的褶皺，您應該創建一個KFold物體shuffle=True，並使用該對象作爲cv關鍵字參數，而不是10。

來源：

1. https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/coordinate_descent.py
2. https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/cross_validation.py