sklearn 中的交叉验证：我需要调用 fit() 和 cross_val_score() 吗？

Question

我想在学习模型时使用 k 折交叉验证。到目前为止，我是这样做的：

# splitting dataset into training and test sets
X_train, X_test, y_train, y_test = train_test_split(dataset_1, df1['label'], test_size=0.25, random_state=4222)

# learning a model
model = MultinomialNB()
model.fit(X_train, y_train)
scores = cross_val_score(model, X_train, y_train, cv=5)

在这一步我不太确定我是否应该使用 model.fit() 或不，因为在 official documentation of sklearn 它们不适合但只需调用 cross_val_score 如下（他们甚至没有将数据分成训练集和测试集）：

from sklearn.model_selection import cross_val_score
clf = svm.SVC(kernel='linear', C=1)
scores = cross_val_score(clf, iris.data, iris.target, cv=5)

我想在学习模型的同时调整模型的超参数。什么是正确的管道？

Answer 1

你的第二个例子适合做交叉验证。请参阅此处的示例：http://scikit-learn.org/stable/modules/cross_validation.html#computing-cross-validated-metrics

拟合会在cross_val_score函数中完成，您无需事先担心。

[已编辑] 如果除了交叉验证之外，你还想训练一个模型，你可以在之后调用 model.fit()。

Answer 2

如果您想进行超参数选择，请查看 RandomizedSearchCV 或 GridSearchCV。如果您想之后使用最佳模型，请使用 refit=True 调用其中一个，然后使用 best_estimator_.

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import RandomizedSearchCV

log_params = {'penalty': ['l1', 'l2'], 'C': [1E-7, 1E-6, 1E-6, 1E-4, 1E-3]}
clf = LogisticRegression()
search = RandomizedSearchCV(clf, scoring='average_precision', cv=10,
                            n_iter=10, param_distributions=log_params,
                            refit=True, n_jobs=-1)
search.fit(X_train, y_train)
clf = search.best_estimator_

http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.RandomizedSearchCV.html

sklearn 中的交叉验证：我需要调用 fit() 和 cross_val_score() 吗？

Cross-validation in sklearn: do I need to call fit() as well as cross_val_score()?

python-3.x

scikit-learn

cross-validation