如何在同一折叠上使用多个分类器运行 scikit 的交叉验证

Posted 2023-03-12

【中文标题】如何在同一折叠上使用多个分类器运行 scikit 的交叉验证

【英文标题】：How to run scikit's cross validation with several classifiers on the same folds

【发布时间】：2015-07-23 15:09:46

【问题描述】：

我目前正在进行一项关于分类器性能比较的研究。为了评估这些性能，我正在计算我拥有的所有数据集上每个分类器的准确性、曲线下面积和平方误差。此外，我需要对一些分类器执行调优参数，以便在准确度方面选择最佳参数，因此需要进行验证测试（我选择了 20% 的数据集）。

有人告诉我，为了使这种比较更有意义，应该对每个分类器的相同集合执行交叉验证。

所以基本上，有没有一种方法可以使用 cross_val_score 方法，以便它始终在所有分类器的相同折叠上运行，或者我应该从头开始重写一些可以完成这项工作的代码？

提前谢谢你。

【问题讨论】：

CV 默认为 StratifiedKFold，用于 shuffle=False 的分类。所以你应该得到可重复的折叠。

【参考方案1】：

cross_val_score 接受一个cv 参数，该参数代表您要使用的交叉验证对象。您可能需要StratifiedKFold，它接受shuffle 参数，该参数指定您是否要在对其运行交叉验证之前对数据进行洗牌。

cv 也可以是 int，在这种情况下，K = cv 将自动创建 StratifiedKFold 或 KFold 对象。

从文档中可以看出，shuffle 默认为 False，因此默认情况下，它已经在所有分类器的相同折叠上执行。

您可以通过在同一个分类器上运行两次来测试它以确保（您应该得到完全相同的结果）。

你可以像这样自己指定：

your_cv = StratifiedKFold(your_y, n_folds=10, shuffle=True) # or shuffle=False
cross_val_score(your_estimator, your_X, y=your_y, cv=your_cv)