Kfold，cross_val_score：根据什么数据显示输出（sklearn wrapper）？

Question

我无法理解

的输出

kfold_results = cross_val_score(xg_cl, X_train, y_train, cv=kfold, scoring='roc_auc')

xgb.cv的输出很清楚-有训练和测试分数：

[0] train-auc:0.927637+0.00405497   test-auc:0.788526+0.0152854
[1] train-auc:0.978419+0.0018253    test-auc:0.851634+0.0201297
[2] train-auc:0.985103+0.00191355   test-auc:0.86195+0.0164157
[3] train-auc:0.988391+0.000999448  test-auc:0.870363+0.0161025
[4] train-auc:0.991542+0.000756701  test-auc:0.881663+0.013579

但是 cross_val_score 在 Sk-learn wrapper 中的结果是模棱两可的：它是每次折叠后的分数列表，但是： - 无论是 test_data 还是 train_data 的结果？

Answer 1

Kfold 将数据拆分为 folds 个被传递的数据，Changed in version 0.20: cv default value if None will change from 3-fold to 5-fold in v0.22. 个来自 sklearn 个。所以它所做的是将数据集拆分为 5 个子集（版本 0.22 的默认设置），使用 4 个作为训练，使用 1 个作为验证。因此输出是一个包含 5 个项目的数组，每次迭代 1 个。这就是它的样子：

Kfold，cross_val_score：根据什么数据显示输出（sklearn wrapper）？

Kfold, cross_val_score: on the basis of what data the output is shown (sklearn wrapper)?

python

cross-validation

xgboost

k-fold