sklearn LassoCV 如何进行交叉验证？答案

【问题标题】：How does sklearn LassoCV perform cross validation?sklearn LassoCV 如何进行交叉验证？
【发布时间】：2013-12-13 00:29:13
【问题描述】：

我想知道 sklearn.LassoCV 如何进行交叉验证。特别是我想知道样本是如何在折叠中细分的。是随机过程还是确定性过程？

例如，假设我有 100 个样本，我使用 10 折交叉验证，并考虑 F 将每个样本发送到其折页的函数。

F(1:10)=1, F(11:20)=2,... 还是随机过程（例如 F(1)=8, F(2)=7...）

如果问题不清楚，请告诉我。

谢谢:)

好的，这就是解决方案：

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)

【问题讨论】：

标签： python cross-validation scikit-learn

【解决方案1】：

我假设您将关键字 arg cv=10 传递给 LassoCV 构造函数？

如果是这种情况，那么这将创建一个有 10 个折叠的 KFold 对象：查看在 LinearModelCV（LassoCV 的父级）中调用 check_cv 的位置。

KFold 采用 random_state 关键字参数（默认为 None - 所以 numpy.random 将尝试在 /dev/urandom 或类似的东西上播种） - 但如果 shuffle 是 False （默认情况下） , 然后random_state 实际上并没有做任何事情。折叠是从数据集中的相邻成员中选择的。

如果您想随机折叠，您应该使用shuffle=True 创建一个KFold 对象，并将该对象用作cv 关键字参数，而不是10。

来源：

【讨论】：