我想在我的训练数据上使用 sklearn 库运行线性回归和 K 折交叉验证，以获得最佳回归模型。然后，我计划使用在我的测试集上返回的平均误差最小的预测器。
例如，下面的代码为我提供了一个包含 20 个结果的数组，其中包含不同的负均值绝对误差，我有兴趣找到给我这个（最小）错误的预测器，然后在我的测试集上使用该预测器。
sklearn.model_selection.cross_val_score(LinearRegression(), trainx, trainy, scoring='neg_mean_absolute_error', cv=20)
【问题讨论】：
标签： scikit-learn linear-regression k-fold
cross_val_score 中没有“给我这个（最少）错误的预测器”之类的东西，所有估计器都在：
sklearn.model_selection.cross_val_score(LinearRegression(), trainx, trainy, scoring='neg_mean_absolute_error', cv=20)
都是一样的。
您可能希望检查GridSearchCV，它确实会搜索不同的超参数集并返回最佳估计器：
from sklearn import datasets
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import GridSearchCV
X,y = datasets.make_regression()
lr_model = LinearRegression()
parameters = {'normalize':[True,False]}
clf = GridSearchCV(lr_model, parameters, refit=True, cv=5)
best_model = clf.fit(X,y)
注意refit=True 参数，它确保最佳模型在整个数据集上重新拟合并返回。
【讨论】：