让我们假设我有典型的训练和测试数据集的设置（X_train，y_train，X_test，y_test）和一个非常简单的管道，我想在交叉验证使用（我会拥有多个更复杂的管道，但是这仅仅是一个简单的例子）
当我执行下面的代码所示的交叉验证时，我想知道这种Pipeline方法是否真的有效。
我的问题是，是在最后一个“测试”折叠上Pipeline调用.predict()方法，还是.predict()在用于训练的折叠上调用方法？
from sklearn.cross_validation import cross_val_score, KFold
from sklearn.pipeline import Pipeline
from sklearn.naive_bayes import GaussianNB
from sklearn.preprocessing import StandardScaler
pipe = Pipeline(steps=[
('scaler', StandardScaler()),
('classification', GaussianNB())
])
cv = KFold(n=X_train.shape[0], n_folds=10)
scores = cross_val_score(pipe, X_train, y_train, cv=cv, scoring='accuracy')
也许是一个更简单的示例：
默认情况下，cross_val_score总是会预测在test通过显示部分cv（看看[(train, test) for train, test in cv]）。如果cv分开train并且test不相交（例如，KFold或其他交叉验证分裂对象的情况），则拟合的估计器/管线将始终对保留的数据进行预测。
看到这条线
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句