cross_val_score 中的交叉验证答案

【问题标题】：Cross validation in cross_val_scorecross_val_score 中的交叉验证
【发布时间】：2022-10-04 18:01:31
【问题描述】：

在 python 中拟合我的数据时，我通常会这样做：

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

我将我的数据分成两块：一个用于训练，另一个用于测试。

之后，我将我的数据与：

model.fit(X_train,y_train)
y_pred = model.predict(X_test,y_test)

我可以通过以下方式获得准确性：

accuracy_score(y_test,y_pred)

我理解这些步骤。但是sklearn.model_selection.cross_val_score 发生了什么？例如：

cross_val_score(estimator= model, X= X_train,y=y_train,cv=10).

它是在做我以前做过的所有事情，但做了 10 次吗？

我是否必须拆分数据来训练、测试集？据我了解，它拆分数据、拟合数据、预测测试数据并获得准确度分数。 10倍。在一条线上。

但我看不出训练集和测试集有多大。我可以手动设置吗？每次运行它们的大小是否相同？

【问题讨论】：

【解决方案1】：

函数“train_test_split”以分割比率随机分割训练集和测试集。

而下面的“cross_val_score”函数进行 10 倍交叉验证。

cross_val_score(estimator= model, X= X_train,y=y_train,cv=10)

在这种情况下，主要区别在于 10-Fold CV 不会对数据进行洗牌，并且折叠按与原始数据相同的顺序循环。如果数据的顺序对交叉验证很重要，您应该批判性地思考，这取决于您的特定应用程序。

【讨论】：

【解决方案2】：

根据我的理解，如果你设置cv=10，它会将你的数据集分成10折。因此，如果您有 1000 行数据，这意味着 900 行将是训练数据集，其余 100 行将是您的测试数据集。因此，您不需要像在train_test_split 中那样设置任何test_size。

【讨论】：