如何獲得在sklearn.cross_validation.cross_val_score內部進行分區的摺疊？

我使用：如何獲得在sklearn.cross_validation.cross_val_score內部進行分區的摺疊？

sklearn.cross_validation.cross_val_score

做一個交叉驗證，並得到每個運行的結果。

該函數的輸出是分數。

是否有一種方法來獲取在cross_val_score函數內部進行分區的摺疊（分區）本身？

來源

2014-07-08 eman

沒有辦法提取cross_val_score中使用的內部交叉驗證拆分，因爲此函數不公開任何關於它的狀態。如documentation中所述，將使用具有k=3的k倍或k倍分層。

然而，如果你需要跟蹤使用交叉驗證分裂的，你可以明確的cross_val_score的cv參數傳遞通過創建自己的cross validation iterators：

from sklearn.cross_validation import KFold, cross_val_score 
from sklearn.datasets import load_iris 
from sklearn.svm import SVC 

iris = load_iris() 
kf = KFold(len(iris.target), 5, random_state=0) 
clf = SVC(kernel='linear', C=1) 
scores = cross_val_score(clf, iris.data, iris.target, cv=kf)

，以便它使用您指定的拆分而不是自己滾動。

來源

2014-07-08 09:35:17

我想確定一些東西，在拆分分區時是否有任何隨機性？或者爲相同的kfold設置和目標標籤生成相同的分區？ – eman

在由參數''random_state''控制的分割中存在隨機性。如果你沒有指定，將會使用''numpy''的內部隨機狀態，並且多次運行的結果可能會不同。對於''KFold''的情況，只有在''shuffle = True''時纔會使用隨機性。 StratifiedKFold中的 –

沒有名爲「shuffle」或「random_state」的參數，那麼情況如何？ – eman

cross_val_score的默認交叉驗證器是K = 3的分層KFold用於分類。您可以使用StratifiedKFold來代替交叉驗證迭代器，並按照示例中所示循環遍歷拆分。

來源

2014-07-08 08:00:03

是的，我知道我可以做到這一點，但cross_val_score節省了很多努力，所以我正在尋找一種方法來提取褶皺，同時使用它。 – eman

沒有一個。 –

如何獲得在sklearn.cross_validation.cross_val_score內部進行分區的摺疊？

回答

相關問題