sklearn中的cross_val_score交叉验证

Posted 2021-11-05 征途黯然.

cross_val_score交叉验证

1.0 注意事项

1. 参数cv代表分成几折，其中cv-1折用于训练，1折用于测试
2. cv数值最大 = 数据集总量的1/3
3. 关于参数scoring：
	1. ‘accuracy’：准确度；
	2. ‘f1’：F1值，只用于二分类；
	3. ‘precision’：精度，只用于二分类；
	4. ‘recall’：召回率，只用于二分类；
	5. ‘balanced accuracy‘：平衡精度；
4. 分成K折后，数据量太小的话，评分具有很大偶然性

1.1 API接口

sklearn.cross_validation.cross_val_score(estimator, X, y=None, scoring=None,cv=None, n_jobs=1, verbose=0, fit_params=None, pre_dispatch=‘2*n_jobs’)

1.2 API接口参数

estimator:估计方法对象(分类器)，模型X：数据特征(Features)
y：数据标签(Labels)
soring：调用方法(包括accuracy和mean_squared_error等等)
cv：几折交叉验证
n_jobs：同时工作的cpu个数（-1代表全部）

1.3 简单示例

from sklearn import svm
from sklearn.datasets import load_iris
from sklearn.model_selection import cross_val_score

iris = load_iris()
svc = svm.SVC()
scores = cross_val_score(svc, iris.data, iris.target, cv=5)
print(scores)