python - scikit 学习网格交叉验证返回不正确的均值

Question

我使用 GridCV 跨 k 折进行交叉验证以调整我的超参数。在我的结果属性“cv_results_”中，应该对单个折叠进行平均的平均结果是错误的。以下是我的代码:

gscv = GridSearchCV(n_jobs=n_jobs,cv=train_test_iterable, estimator=pipeline, param_grid=param_grid, 
                verbose=10, scoring=['accuracy', 'precision','recall','f1'], refit='f1', 
                    return_train_score=return_train_score, error_score=error_score,
                   )
gscv.fit(X,Y)
gscv.cv_results_

cv_results_ 包含以下 json(显示为表格)

    mean_test_f1    split0_test_f1  split1_test_f1  Actual Mean
    0.934310796     0.935603198     0.933665455     0.934634326
    0.931279716     0.908430118     0.942689316     0.925559717
    0.927683609     0.912005672     0.935512149     0.923758911
    0.680908006     0.741198823     0.650802701     0.696000762
    0.680908006     0.741198823     0.650802701     0.696000762
    0.646005028     0.684483208     0.626791532     0.65563737
    0.840273248     0.847484083     0.836672627     0.842078355
    0.837160828     0.847484083     0.832006068     0.839745075
    0.833637        0.842109375     0.829406448     0.835757911

您可以在上面看到:“mean_test_f1”不是两次“split0_test_f1”、“split1_test_f1”的平均值。实际平均值是最后一列。

注:F1表示f1-score。

有没有人遇到过类似的问题？

Answer 1

我认为您看到的是加权平均值，而不是直接平均值。