python - 对测试数据集使用 cross_val_predict

Question

我对在测试数据集中使用 cross_val_predict 感到困惑。

我创建了一个简单的随机森林模型并使用 cross_val_predict 进行预测:

from sklearn.ensemble import RandomForestClassifier
from sklearn.cross_validation import cross_val_predict, KFold

lr = RandomForestClassifier(random_state=1, class_weight="balanced", n_estimators=25, max_depth=6)
kf = KFold(train_df.shape[0], random_state=1)
predictions = cross_val_predict(lr,train_df[features_columns], train_df["target"], cv=kf)
predictions = pd.Series(predictions)

我对这里的下一步感到困惑。如何利用上面学到的知识对测试数据集进行预测？

Answer 1

我不认为 cross_val_score 或 cross_val_predict 在预测之前使用拟合。它即时执行。如果您查看 documentation (section 3.1.1.1) ，您会发现他们从来没有提到适合任何地方。