如何使用 cross_val_score 获得 test_accuracy 和准确度
How to get test_accuracy and accuracy using cross_val_score
我是 运行 使用 CV = 10 的 DTC 分类器。我得到任何 10 倍的精度数组。
>>clf = DecisionTreeClassifier(random_state=0)
>>cross_val_score(clf, X, y, cv=10)
array([1. , 0.92307692, 1. , 0.76923077, 1. ,
0.92307692, 0.69230769, 0.83333333, 0.91666667, 0.83333333])
我更感兴趣的是分别获得每 10 倍的测试和训练准确率。
他的如何实现？
一种解决方案是使用具有 return_train_score 参数的 sklearn.model_selection.cross_validate，您可以这样称呼它：
from sklearn.model_selection import cross_validate
cross_validate(clf, X, y, cv=10, return_train_score=True)
我是 运行 使用 CV = 10 的 DTC 分类器。我得到任何 10 倍的精度数组。
>>clf = DecisionTreeClassifier(random_state=0)
>>cross_val_score(clf, X, y, cv=10)
array([1. , 0.92307692, 1. , 0.76923077, 1. ,
0.92307692, 0.69230769, 0.83333333, 0.91666667, 0.83333333])
我更感兴趣的是分别获得每 10 倍的测试和训练准确率。
他的如何实现？
一种解决方案是使用具有 return_train_score 参数的 sklearn.model_selection.cross_validate，您可以这样称呼它：
from sklearn.model_selection import cross_validate
cross_validate(clf, X, y, cv=10, return_train_score=True)