python - 在 scikits learn 中使用 cross_val_score 时保留拟合参数

Question

我正在尝试使用 scikits-learn 来拟合使用岭回归的线性模型。我想做的是使用交叉验证来拟合许多不同的模型，然后查看参数系数以了解它们在不同 CV 分割中的稳定性。 (或者也许将它们全部平均)。

当我尝试使用交叉验证例程(例如，使用 KFold 实例和 cross_val_score 函数)来拟合模型时，我得到了每个 CV 分割的分数列表，但我没有得到在每次分割时计算的拟合系数值。我有办法获取这些信息吗？它显然是在每次迭代中计算的，所以我认为必须有一种方法来报告这一点，但我一直无法弄清楚......

编辑:澄清一下，我不是在寻找在拟合中指定的参数(例如 alpha 值)，而是在回归中寻找拟合系数值。

Answer 1

clf = linear_model.RidgeCV(...) # your own parameters setting
param = clf.get_params(deep=True)

请参阅document了解更多详情。

要获取权重向量系数，请使用clf.coef_。此外，cv_values_和alpha_是clf的另外两个属性，分别返回MSE和估计的正则化参数。