python - 使用 sci-kit 中的训练/测试数据而不是交叉验证来学习曲线

Question

我有一个单独的训练和测试数据(来自加载到不同 pandas 数据帧的不同 CSV)，我想使用此训练和测试数据绘制学习曲线，而不是使用交叉验证从训练集本身生成的训练和测试数据(这似乎是learning_curve 工作的常用方式)。

似乎 scikit 希望您的测试和训练数据出现在同一个 Dataframe 中，但这样分类器也会学习测试数据，这不是我想要的。

我该如何解决这个问题？我是 sci-kit 的新手。

Answer 1

您需要将训练数据和测试数据分开(至少在代码中的单独变量中)。 learning curve然后可以应用于训练集。这样您就可以在不使用测试集的情况下优化实验(以避免过度拟合)。

为了验证您在测试集上的表现，scikit-learn 提供了 validation curve它根据测试集进行评估。