来自 cross_validate 和迭代 Kfolds 的不同 RMSE

Question

我想编写自己的交叉验证函数，因为我不能在这种情况下使用 cross_validate。

如果我错了请纠正我，但我的交叉验证码是：

cv = cross_validate(elastic.est,X,y,cv=5,scoring='neg_mean_squared_error')

输出：

{'fit_time': array([3.90563273, 5.272861  , 2.19111824, 6.42427135, 5.62084389]),
 'score_time': array([0.05504966, 0.06105542, 0.0530467 , 0.06006551, 0.05603933]),
 'test_score': array([-0.00942235, -0.01220626, -0.01157624, -0.00998556, -0.01144867])}

所以我这样做是为了计算 RMSE。

math.sqrt(abs(cv["test_score"]).mean())

结果总是在0.104

左右

然后我编写了下面的函数来循环 kFolds，我总是得到一个低得多的 RMSE 分数（它运行速度大约快 10 倍）

def get_rmse(y_true,y_pred):    
    score = math.sqrt(((y_pred-y_true) ** 2).mean())
    return score

listval=[]

kf = KFold(n_splits=5,shuffle=True)

for train_index, test_index in kf.split(X,y):

    Xx = np.array(X)
    yy = np.array(y)

    X_train, X_test = Xx[train_index], Xx[test_index]
    y_train, y_test = yy[train_index], yy[test_index]

    elastic.est.fit(X_train,y_train)
    preds = elastic.est.predict(X_test)
    listval.append(get_rmse(y_test,preds))

np.mean(listval)

结果是 0.0729 并且总是落在这个值附近。

我错过了什么？相同的数据，相同的估计器，相同的折叠数？

Answer 1

您观察到的不同之处在于您计算最终数字的方式不同：

对于 cross_validate 输出，您首先对 MSE 进行平均，然后取平方根。
对于自定义实现，您首先取根，然后才取平均值。

当然一般情况下均值的根不等于根的均值

来自 cross_validate 和迭代 Kfolds 的不同 RMSE

Different RMSE from cross_validate and iterating Kfolds

python

scikit-learn

cross-validation

k-fold