python - 在cross_val_score中，参数cv的使用有何不同？

Question

我正在尝试弄清楚如何进行 k 折交叉验证。我希望有人能告诉我两个打印语句之间的区别。他们给我的数据大不相同，但我认为它们是相同的。

##train is my training data, 
##target is my target, my binary class.

dtc = DecisionTreeClassifier()
kf = KFold(n_splits=10)
print(cross_val_score(dtc, train, target, cv=kf, scoring='accuracy'))
print(cross_val_score(dtc, train, target, cv=10, scoring='accuracy'))

Answer 1

DecisionTreeClassifier源自ClassifierMixin ，正如文档中提到的(强调我的):

Computing cross-validated metrics

When the cv argument is an integer, cross_val_score uses the KFold or StratifiedKFold strategies by default, the latter being used if the estimator derives from ClassifierMixin.

因此，当您传递 cv=10 时，您正在使用 StratifiedKFold 策略，而当传递 cv=kf 时，您正在使用常规的KFold策略。

在分类中，分层通常会尝试确保每个测试折叠具有大致相等的类表示。请参阅Understanding stratified cross-validation有关更多信息，请参阅交叉验证。