- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我通过将 cross_val_score
对象传递给 GridSearchCV
来运行嵌套交叉验证。然后我跟进 cross_val_predict
以获得绘图的模型预测。像这样:
gs = GridSearchCV(mymodel, myparams)
score = cross_val_score(gridsearch, X_train, y_train)
prediction = cross_val_predict(gs, X_train, y_train)
cross_val_score
获得交叉验证的预测,或者我是否需要手动迭代 CV 对象的折叠以一步完成?
最佳答案
从我在文档中看到的内容来看,cross_val_score
和 cross_val_predict
似乎是通过不同的进程获取它们的值,不建议将两者结合使用。
https://scikit-learn.org/stable/modules/cross_validation.html#obtaining-predictions-by-cross-validation
关于python - 同时调用SKLearn的cross_val_score和cross_val_predict?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38977625/
我对在测试数据集中使用 cross_val_predict 感到困惑。 我创建了一个简单的随机森林模型并使用 cross_val_predict 进行预测: from sklearn.ensemble
我有大约 10,000 条推文样本,我想将它们分类为“相关”和“不相关”类别。我正在为此模型使用 Python 的 scikit-learn。我手动将 1,000 条推文编码为“相关”或“不相关”。然
当我使用交叉验证训练 SVC 时, y_pred = cross_val_predict(svc, X, y, cv=5, method='predict') cross_val_predict 为
我正在使用 sklearn 的 cross_val_predict 进行训练: myprobs_train = cross_val_predict(LogisticRegression(),X =
在sklearn.model_selection.cross_val_predict page据称: Generate cross-validated estimates for each input
我正在尝试将 0.18.1 版 sklearn 中的 TimeSeriesSplit 交叉验证策略与 LogisticRegression 估计器一起使用。我收到一条错误消息: cross_val_p
我正在努力研究如何在 sklearn 中实现 TimeSeriesSplit。 下面链接中的建议答案会产生相同的 ValueError。 sklearn TimeSeriesSplit cross_v
我想评估一个使用交叉验证的 scikitlearn 构建的回归模型,我很困惑,我应该使用 cross_val_score 和 cross_val_predict 这两个函数中的哪一个。一种选择是: c
cross_val_predict(参见 doc,v0.18)是否使用如下代码所示的 k-fold 方法计算每个折叠的准确度并最终平均它们或不? cv = KFold(len(labels), n_f
使用 cross_val_score 计算的指标与从 cross_val_predict 计算的相同指标有何不同(用于获取然后提供给指标函数的预测)? 这是一个例子: from sklearn imp
在 Jupyter 笔记本上本地运行并使用 MNIST 数据集(28k 条目,每个图像 28x28 像素,以下需要27 秒。 from sklearn.neighbors import KNeighb
如何从合适的 GridSearchCV 中提取最佳管道,以便将其传递给 cross_val_predict? 直接传递适合的GridSearchCV对象导致cross_val_predict再次运行整
我在处理数据严重不平衡的 sklearn ML 案例时遇到了这个问题。下面的行提供了从混淆指标和精确记忆角度评估模型的基础,但是......它是一种训练/预测组合方法: y_pred = model_
我需要训练 Random Forest classifier使用 3 折交叉验证。对于每个样本,我需要检索它恰好在测试集中时的预测概率。 我使用的是 scikit-learn 版本 0.18.dev0
我是一名优秀的程序员,十分优秀!