如果我使用（cross_val_score），我可以单独知道训练和测试的准确性吗

Question

我使用随机森林分类器对我的数据集进行分类；我想使用交叉验证；我的问题是我找不到知道训练和测试拆分准确性的方法，这可能吗？ 这是我使用的代码，它告诉我有关

X_test, X_rem, y_test, y_rem = train_test_split(X,Y, test_size=0.1)

X_valid, X_train, y_valid, y_train = train_test_split(X_rem,y_rem, train_size=0.80)


    cv = KFold(n_splits=10, random_state=1, shuffle=True)
    # create model
    model = RandomForestClassifier(n_estimators =400)
        

    scoresranP = cross_val_score(model, X_rem, y_rem, cv=cv, n_jobs=-1)
    
    print('Accuracy of Random Forest: %.3f (%.3f)' % (mean(scoresranP), std(scoresranP)))

如果我是对的，在这种情况下，“scoresranP”会给我训练准确度，那么我可以使用测试拆分获得测试准确度吗？ 我错了。谁能告诉我是否可以将 cross_val_score 与三个拆分（训练、有效、测试）一起使用？

非常感谢您提供的任何帮助。

Answer 1

如果我是正确的，随机森林不会为您提供训练准确性，因为它是一种回归学习方法。