python - 我是给 cross_val_score() 整个数据集还是只提供训练集？

Question

由于该类的文档不是很清楚。我不明白我赋予它什么值(value)。

cross_val_score(estimator, X, y=None)

这是我的代码:

clf = LinearSVC(random_state=seed, **params)
cvscore = cross_val_score(clf, features, labels)

我不确定这是否正确，或者我是否需要提供 X_train 和 y_train 而不是特征和标签。

谢谢

Answer 1

即使在使用 cross_val_score 时，将测试集和训练集分开始终是一个好主意。其背后的原因是知识泄露。这基本上意味着，当您同时使用训练集和测试集时，您会将测试集中的信息泄漏到模型中，从而使模型产生偏差，从而导致错误的预测。

这里有详细的blog post关于同一个问题。

引用文献:

• Reddit post on cross-validation
• Cross_val_Score example showing correct way of using it
• A similar question on stats.stackexchange