同时调用SKLearn的cross_val_score和cross_val_predict？
同时调用SKLearn的cross_val_score和cross_val_predict是为了进行交叉验证评估和预测。这两个函数都是SKLearn库中用于交叉验证的工具函数。
cross_val_score函数用于评估模型的性能，它通过将数据集划分为训练集和测试集，并重复多次进行交叉验证，计算模型在每次验证中的得分。它可以帮助我们了解模型的泛化能力和稳定性。cross_val_score函数的参数包括模型对象、特征数据、目标数据、评估指标等。它返回一个包含每次验证得分的数组。
cross_val_predict函数用于使用交叉验证的方式进行预测。它与cross_val_score函数类似，但不返回验证得分，而是返回每个样本的预测结果。这对于分析模型的预测能力和误差分布非常有用。
这两个函数的同时调用可以帮助我们全面评估模型的性能，并获得每个样本的预测结果。在实际应用中，我们可以使用cross_val_score函数来评估模型的性能，然后使用cross_val_predict函数来获取每个样本的预测结果，进一步分析模型的预测准确性和误差分布。
腾讯云提供了一系列与机器学习和数据分析相关的产品和服务，可以用于支持使用SKLearn进行交叉验证和预测的工作。例如，腾讯云提供的云服务器、云数据库、云存储等基础设施服务可以用于搭建和部署机器学习模型的环境。此外，腾讯云还提供了人工智能平台AI Lab，其中包含了丰富的机器学习和数据分析工具，可以帮助开发者更高效地进行模型训练和评估。
更多关于腾讯云相关产品和服务的信息，可以访问腾讯云官方网站：https://cloud.tencent.com/
相关·内容
考虑一下这段代码：
import pandas as pd
df = pd.read_csv('module_5_auto.csv')
df = df._get_numeric_data()
y_data = df['price']
x_data = df.drop('price',axis=1)
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x_data, y_data,
浏览 3提问于2021-08-07得票数 1
1回答
交叉验证的实现
、、
我很困惑，因为很多人都有自己的方法来应用交叉验证。例如，有些应用于整个数据集，而有些则应用于培训集。
我的问题是，下面的代码是否适合于在应用Cross-validation的同时实现交叉验证并从这样的模型进行预测？
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.model_selection import KFold
model= GradientBoostingClassifier(n_estimators= 10,max_depth = 10, random_state = 0)#sepcifyi
浏览 2提问于2020-02-14得票数 0
用cross_val_score计算的度量与从cross_val_predict开始计算的同一度量有何不同(用于获得预测，然后给出度量函数)？
下面是一个示例：
from sklearn import cross_validation
from sklearn import datasets
from sklearn import metrics
from sklearn.naive_bayes import GaussianNB
iris = datasets.load_iris()
gnb_clf = GaussianNB()
# compute mean accuracy wit
浏览 0提问于2016-02-10得票数 1
回答已采纳
我尝试使用TimeSeriesSplit交叉验证策略在sklearn版本0.18.1与一个LogisticRegression估计。我收到一个错误声明：
cross_val_predict只适用于分区。
下面的代码片段演示了如何再现：
from sklearn import linear_model, neighbors
from sklearn.model_selection import train_test_split, cross_val_predict, TimeSeriesSplit, KFold, cross_val_score
import pandas as pd
i
浏览 5提问于2017-01-19得票数 4
回答已采纳
我需要使用Logistic回归分类器，我有数据集，每列2000的长度，这都是我的代码：
from statistics import mode
import pandas as pd
from sklearn.model_selection import KFold
from sklearn.metrics import plot_confusion_matrix
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import cross_val_predict
from sklea
浏览 25提问于2022-08-14得票数 1
回答已采纳
我正在绘制ROC AUC曲线。我得到的分数如下：
# bagged decision trees on an imbalanced classification problem
from numpy import mean
from sklearn.datasets import make_classification
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import RepeatedStratifiedKFold
from sklearn.ensemble impor
浏览 2提问于2021-03-09得票数 0
回答已采纳
1回答
我有一个大约10,000条推文的样本，我想将其分类为“相关”和“不相关”两个类别。我正在使用Python的scikit-为这个模型学习。我手动编码1000条推文为“相关”或“不相关”。然后，以80%的人工编码数据作为训练数据，其余作为测试数据，运行支持向量机模型。我获得了很好的结果(预测精度~0.90)，但为了避免过度拟合，我决定对所有1000个手工编码的tweet进行交叉验证。
下面是我的代码，在我的样本中已经获得tf矩阵的tweet之后。"target“是一个数组，列出了tweet是否被标记为”相关“或”不相关“。
from sklearn.linear_model import
浏览 15提问于2017-01-23得票数 2
回答已采纳
我试图为我所构建的硬投票分类器计算roc_auc。我给出的代码具有可复制的示例。现在我想计算roc_auc分数并绘制ROC曲线，但不幸的是，当表决=“难”时，我得到了以下错误: predict_proba不可用
# Voting Ensemble for Classification
import pandas
from sklearn import datasets
from sklearn import model_selection
from sklearn.linear_model import LogisticRegression
from sklearn.tree import D
浏览 0提问于2018-07-22得票数 5
回答已采纳
我正在尝试使用学习Python中的ML技术。
我要做的是执行三重交叉验证，并使用来自Transported的特性预测目标变量( test.csv )。我唯一能做的就是在我的训练集上教一个模型，因为它包含了我的特性和我的反应。我想做的是：
from sklearn.model_selection import train_test_split, cross_val_score, cross_val_predict, KFold
from sklearn.neighbors import KNeighborsClassifier
X, y = train_ready.drop('Tran
浏览 1提问于2022-04-24得票数 0
回答已采纳
我已经使用python sklearn对一个数据集执行了10次交叉验证，
result = cross_val_score(best_svr, X, y, cv=10, scoring='r2')
print(result.mean())
我已经能够得到r2分数的平均值作为最终结果。我想知道是否有一种方法可以打印出每个折叠的预测值(在本例中为10组值)。
浏览 38提问于2018-08-07得票数 6
回答已采纳
在使用python3.6和scikitlearn 0.18时，我遇到了一个问题
我使用随机森林进行回归，回归效果很好，但当我试图计算交叉验证时，我遇到了一个问题，即从cross_val_score和train_test_split得到的分数确实不同。train_test_split总分为0.9分，而cross_val_score总分均值约为0.3分。
你能告诉我原因吗？或者我的代码中有什么错误？
代码是
import numpy as np
import cv2
import itertools
from sklearn.tree import DecisionTreeRegressor
浏览 15提问于2017-01-26得票数 0
根据我的理解，cross_val_score, cross_val_predict, and cross_val_validate可以使用K-fold validation。这意味着训练集部分作为训练集和测试集被迭代地使用。但是，我还没有看到任何关于如何处理验证的信息。数据似乎没有分成三组--培训、验证和测试集。cross_val_score、cross_val_predict和cross_val_validate是如何处理培训、验证和测试的？
浏览 2提问于2019-04-21得票数 0
回答已采纳
我试图用支持向量机分类器建立一个具有自定义交叉验证折叠的二进制分类问题，但是它给了我错误**需要至少一个数组来连接**与cross_val_predict。代码在cv=3中使用cros_val_predict很好，但是当我使用custom_cv时，它会给出这个错误。
以下是代码：
from sklearn.model_selection import LeavePOut
import numpy as np
from sklearn.svm import SVC
from time import *
from sklearn.metrics import roc_auc_score
from
浏览 3提问于2020-09-02得票数 0
回答已采纳
代码如下：
import numpy as np
import pandas as pd
from keras import backend as K
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasRegressor
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import KFold
from skl
浏览 0提问于2017-06-27得票数 0
回答已采纳
1回答
基于id3算法的滑雪板决策树训练
、、、、
我正在尝试使用id3算法来训练决策树。其目的是求出所选特征的指标，模拟其发生情况，并建立一个完全混淆矩阵。
该算法将数据集分解为训练集和测试集，并采用4倍交叉验证。
我对这门学科很陌生，我读过关于滑雪和学习过程理论的教程，但我仍然很困惑。
我试着做的是：
from sklearn.model_selection import cross_val_predict,KFold,cross_val_score,
train_test_split, learning_curve
from sklearn.tree import DecisionTreeClassifier
from sklearn.
浏览 1提问于2018-01-28得票数 0
回答已采纳
我正试图为机器学习做一个项目，我想要对多种算法进行准确性评估。我使用的是 CSV，我只加载日期、时间和CO列(我在CSV中手动重命名它)。在我准备好我的培训数据后，我试图进行评估，但我得到的是：
ValueError: Supported target types are: ('binary', 'multiclass'). Got 'unknown' instead.
用于评估的向量(X_train和Y_train)的形状如下：
(9357, 2)
(9357,)
全班：
from sklearn.discriminant_analysis i
浏览 3提问于2019-12-06得票数 0
回答已采纳
1回答
如果我使用make_pipeline，是否仍然需要使用fit和transform函数来适应我的模型和转换，或者它将自己执行这些函数？
另外，StandardScaler也是执行规范化还是只执行缩放？
解释代码:我想应用PCA，然后用svm应用规范化。
pca = PCA(n_components=4).fit(X)
X = pca.transform(X)
# training a linear SVM classifier 5-fold
from sklearn.svm import SVC
from sklearn.model_selection import cross_val_
浏览 2提问于2018-04-21得票数 1
回答已采纳
嗨，如果我们做下面的计算交叉验证的准确性：
cv_acc = cross_val_score(model, X_train, y_train, cv=5, scoring='accuracy')
是否可以使用cross_val_score中对k-折叠的相同输入来估计y的预测并创建一个混淆矩阵(如下所示)
y_pred = cross_val_predict(model, X_train, y_train, cv=5)
conf_mat = confusion_matrix(y_test, y_pred)
是否有一种方法可以存储cross_val_score中k-折叠的精
浏览 10提问于2020-09-14得票数 1
回答已采纳
1回答
我已经将我的featuresets作为包含表单中元素的字典：
({0: 0.48447204968944096,
1: 0.035093167701863354,
2: 0.07453416149068323,
3: 0.046583850931677016,
4: 0.0,
5: 0.09316770186335403,
...
162: 1,
163: 1.0}, 'male')
当我尝试从sklearn库实现cross_val_score或cross_val_predict时，结果总是显示出一些错误
“浮点值不能被切割”。
浏览 2提问于2017-02-26得票数 1
回答已采纳
我有一个数据集，我分裂成80%-20%的训练和测试集。在训练集上，我做k折交叉验证，得到准确性的平均值。但是，我不清楚该如何将这个结果应用于我的原始测试集？
#Splitting Training & Test dataset
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1)
#Standartisation scaling
from sklearn.p
浏览 7提问于2022-09-29得票数 0
回答已采纳
我想使用交叉验证和混淆来评估使用scikitlearn构建的回归模型，我应该使用两个函数cross_val_score和cross_val_predict中的哪一个。一种选择是：
cvs = DecisionTreeRegressor(max_depth = depth)
scores = cross_val_score(cvs, predictors, target, cv=cvfolds, scoring='r2')
print("R2-Score: %0.2f (+/- %0.2f)" % (scores.mean(), scores.std() * 2)
浏览 1提问于2017-04-25得票数 30
回答已采纳
我用自己定义的内核函数创建了一个SVM实例。当我试图对创建的模型运行交叉验证时，我会得到以下错误：
ValueError: X应该是一个平方核矩阵
跟踪："C:\Python27\lib\site-packages\scikit_learn-0.14.1-py2.7-win32.egg\sklearn\cross_validation.py"，= cross_val_score (cv=10，X，y，cv=10)文件第1152行(Cross_val_score)
对于列车，在cv)文件"C:\Python27\lib\site-packages\scikit_lear
浏览 0提问于2014-03-11得票数 5
我不明白为什么cross_val_score的这种配置和一个简单的模型有不同的结果。
from sklearn.datasets import load_iris
from sklearn.utils import shuffle
from sklearn import tree
import numpy as np
np.random.seed(1234)
iris = load_iris()
X, y = iris.data, iris.target
X,y = shuffle(X,y)
print(y)
clf = tree.DecisionTreeClassifier(max_de
浏览 4提问于2022-05-31得票数 0
3回答
我不明白为什么没有交叉验证的随机森林分类模型获得了.996的平均精度评分，但经过5倍交叉验证，该模型的平均精度评分为.687。
共有275,956个样本。类别0= 217891，类别1= 6073，类别2= 51992
我试图预测“目标”列，即3类0、1、2
data.head()
bottom_temperature bottom_humidity top_temperature top_humidity external_temperature external_humidity weight TARGET
26.35 42.94 27.15 40.43
浏览 0提问于2018-03-28得票数 4
回答已采纳
1回答
理解机器学习过程和交叉验证
、、、、
我是机器学习的初学者，我一直试图更详细地理解这个过程。
对于任何机器学习场景：
(1)我所做的第一步是将我的数据分割成90%对10%的比例，并将10%的数据保留在最后一步进行测试。
代码：
X1, X_Val, y1, y_Val = train_test_split(X, y, test_size=0.1,
random_state=101)
(2)第二步，如果我的数据允许(不太大)，我对数据进行K倍交叉验证。
从这个分数中，我可以得到我选择的模型的偏差、方差和准确性。
从这里，我可以调优模型作为调优的超参数，进行特征选择，并尝试不同的算法(随机forrest等)看看什么能给出最好的解决方
浏览 0提问于2019-07-24得票数 2
回答已采纳
我是机器学习的新手，我想在以下方面提供一些帮助：
我在我的数据上运行了一个支持向量机分类器(SVC)，进行了10次交叉验证，并计算了准确率分数(大约为89%)。我正在使用Python和scikit-learn来执行任务。下面是一个代码片段：
def get_scores(features,target,classifier):
X_train, X_test, y_train, y_test =train_test_split(features, target ,
test_size=0.3)
scores = cross_val_score(
classifie
浏览 1提问于2017-12-06得票数 1
回答已采纳
我通过向cross_val_score传递一个GridSearchCV对象来运行嵌套交叉验证。然后，我使用cross_val_predict进行后续操作，以获得用于绘图的模型预测。如下所示：
gs = GridSearchCV(mymodel, myparams)
score = cross_val_score(gridsearch, X_train, y_train)
prediction = cross_val_predict(gs, X_train, y_train)
这在计算上似乎是多余的；有没有一种方法可以从cross_val_score获得交叉验证的预测，或者我需要手动迭代CV对象
浏览 14提问于2016-08-16得票数 5
1回答
我有一个分类器，我正在用cross_val进行拟合，得到了很好的结果。基本上我所做的就是：
clf = RandomForestClassifier(class_weight="balanced")
scores = cross_val_score(clf, data, target, cv=8)
predict_RF = cross_val_predict(clf, data, target, cv=8)
from sklearn.externals import joblib
joblib.dump(clf, 'churnModel.pkl')
本质上，我
浏览 2提问于2016-12-21得票数 1
回答已采纳
I有一个现有的神经网络模型(序列模型)与列车分裂试验。我需要将交叉验证添加到我的数据集中；在实现交叉验证时，我会得到以下错误.
TypeError: Cannot clone object '<tensorflow.python.keras.engine.sequential.Sequential object at 0x000001B5D2100108>' (type <class 'tensorflow.python.keras.engine.sequential.Sequential'>): it does not seem to
浏览 36提问于2022-07-25得票数 1
回答已采纳
当我用交叉验证训练SVC时，
y_pred = cross_val_predict(svc, X, y, cv=5, method='predict')
cross_val_predict为X中的每个元素返回一个类预测，以便y_pred.shape = (1000,)在m=1000时。这是有意义的，因为cv=5和SVC在X的不同部分上被训练和验证了5次。在五次验证中，每一次都对五分之一的实例(m/5 = 200)进行了预测。随后，包含200个预测的5个向量被合并到y_pred中。
考虑到所有这些，使用y_pred和y计算SVC的总体精度是合理的。
score = accurac
浏览 0提问于2019-03-05得票数 9
回答已采纳
我正在尝试运行一些简单的scikit代码--在python中学习，在执行过程中，我遇到了以下错误：
从sklearn.cross_validation导入cross_val_predict
回溯(最近一次调用)：文件""，第1行，从sklearn.cross_validation导入cross_val_predict ImportError:无法导入名称cross_val_predict
我已经下载了scikit，从这个页面了解到：和其他模块(如sklearn.linear_model )工作得很好。看来我也可以成功导入模块cross_validation。我听不懂!
浏览 3提问于2015-04-04得票数 2
我正在计算一个梯度提升分类器的ROC AUC值，使用python sklearn的10倍交叉验证。我已经用了两种我认为会给出相同结果的方法，但他们没有：(1)使用cross_val_predict和method = 'predict_proba'通过交叉验证获得预测的概率，然后使用roc_auc_score计算每个折叠的AUC值，而(2)使用cross_val_score和scoring = 'roc_auc'。结果并没有太大的不同，但让我感到困扰的是它们完全不同(参见下面的代码和输出)。有谁能解释这种差异吗？
gbm = GradientBoostingCla
浏览 8提问于2017-07-13得票数 2
我在用拉索做巨蟒，但有个问题让我很困惑。在以下中，我的代码如下：
kf = KFold(10,random_state=0,shuffle=False)
model_lassocv = LassoCV(cv=kf).fit(X, y)
model_lassocv.mse_path_给出数组([ 5747.95194531,4590.75732123，.])。
我手动计算mse：
from sklearn import linear_model
from sklearn.model_selection import cross_val_predict, cross_val_score
la
浏览 2提问于2018-02-27得票数 0
回答已采纳
下面的示例脚本输出预测值和预测概率：
from sklearn import datasets, linear_model
from sklearn.model_selection import cross_val_predict
diabetes = datasets.load_diabetes()
X = diabetes.data
y = diabetes.target
lg = linear_model.LogisticRegression(random_state=0, solver='lbfgs')
y_prob = cross_val_predict(lg, X,
浏览 0提问于2019-01-22得票数 2
1回答
我正在从事一个数据挖掘项目，我正在使用python中的sklearn包对我的数据进行分类。
为了训练我的数据并评估预测值的质量，我使用了sklearn.cross_validation.cross_val_predict函数。
但是，当我试图在测试数据上运行我的模型时，它会请求基类，这些基类是不可用的。
我见过(可能的)使用sklearn.grid_search.GridSearchCV函数的工作，但我不喜欢对固定的参数集使用这样的方法。
在阅读cross_val_score文档时，我看到了sklearn.cross_validation函数。由于我对世界的分类问题相当陌生，我不太确定这是否会
浏览 1提问于2015-06-27得票数 1
回答已采纳
3回答
我在这里问这个问题，尽管我在CrossValidated (或DataScience) StackExchange上犹豫不决。我有一个包含60个标记对象(用于培训)和150个未标记对象(用于测试)的数据集。这个问题的目的是预测150个物体的标签(这曾经是一个家庭作业问题)。对于每个对象，我计算了258个特征。考虑到每个对象都是一个示例，我有X_train : (60,258)、y_train : (60,) (用于培训的对象的标签)和X_test : (150,258)。由于家庭作业问题的解决，我也有150个对象的真实标签，在y_test : (150,)。
为了预测150个对象的标签，我选择
浏览 1提问于2016-11-16得票数 1
1回答
我已经拟合了一个模型，我想知道其中的分数(r平方)。数据被分成训练和测试集。虽然模型只使用训练集进行训练，但我的测试数据的r平方怎么可能更高？我的意思是，模型从未见过测试集，但比训练集更准确……我是不是理解错了？ 📷 我的代码:将熊猫作为pd导入 import numpy
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import scipy
import sklearn
from sklearn.linear_model import LinearRegression
from s
浏览 40提问于2020-01-09得票数 0
回答已采纳
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fit GridSearchCV对象会导致cross_val_predict再次运行整个网格搜索，我只想让最佳管道接受cross_val_predict评估。
我的自包含代码如下：
from sklearn.datasets import fetch_20newsgroups
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.svm import SVC
from sklearn.multi
浏览 6提问于2017-07-18得票数 2
回答已采纳
对于不同的运行，我得到了不同的值。我在这里做错了什么？
import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import StratifiedKFold, cross_val_score
X = np.random.random((100,5))
y = np.random.randint(0,2,(100,))
cross_val_score = RandomForestClassifier()
cv = StratifiedKFold(y,
浏览 0提问于2016-09-30得票数 10
回答已采纳
我正在与sklearn公司的这种型号相匹配。
LogisticRegressionCV(
solver="sag", scoring="neg_log_loss", verbose=0, n_jobs=-1, cv=10
)
拟合结果为model.score (在训练集上)为0.67和变化。由于无法(或不知道如何)访问作为模型拟合的一部分执行的交叉验证的结果，所以我在相同的模型上运行单独的交叉验证
cross_val_score(model, X, y, cv=10, scoring="neg_log_loss")
这将返
浏览 0提问于2018-11-19得票数 0
回答已采纳
我想建立一个数据框架，在句子中使用最多重复的单词，并通过Logistic-Regression进行分类。
我试着用密码把步骤写清楚。
列B是我的目标。
我所拥有的：(示例)
raw_data={"A":["This is yellow","That is green","These are orange","This is a pen","This is an Orange"],
"B":["Yes","No","Yes&#
浏览 0提问于2021-02-09得票数 0
回答已采纳
我有分类器。我想用获得分类器的度量标准。
我使用来获得预测，然后将它们传递给classification_report。我还使用cross_val_predict的输出来绘制混淆矩阵。
labels = get_labels() #ground truth
result = cross_val_predict(classifier, features, labels, cv=KFold(n_splits=10, shuffle=True, random_state=seed))
report = classification_report(labels, result, digits=3, t
浏览 5提问于2020-04-22得票数 0
回答已采纳
python中的cross_val_score使人们能够生成各种方便的模型性能指标。这就是我用来获取ROC-AUC和回忆二进制分类模型的方法.
import sklearn
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import cross_val_score
from sklearn import metrics
log = LogisticRegression(class_weight='balanced')
auc = cr
浏览 12提问于2022-02-16得票数 0
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 import RandomForestClassifier
from sklearn.cross_validation import cross_val_predict, KFold
lr = RandomForestClassifier(random_state=1, class_weight="balanced", n_estimators=25, max_depth=6)
kf
浏览 5提问于2017-01-10得票数 7
回答已采纳
目前，我可以通过使用make_column_transformer和make_pipeline构建一个模型，如下所示： from sklearn.compose import make_column_transformer
from sklearn.model_selection import cross_val_score
from sklearn.preprocessing import OneHotEncoder
from sklearn.tree import DecisionTreeClassifier
from sklearn.pipeline import make_pipel
浏览 20提问于2020-09-11得票数 0
当我尝试使用train_test_split函数时，我得到了以下错误。然后我试着安装了枕木，但没什么用。有人知道我可能从下面的错误中遗漏了什么吗？谢谢!
ImportError Traceback (most recent call last)
<ipython-input-53-57bf27feca45> in <module>()
1 import numpy as np
----> 2 from sklearn.model_selection import train_test_spl
浏览 18提问于2016-12-07得票数 8
1回答
我尝试为建立一个K近邻模型，其中因变量可以接受3个不同的分类值。
我构建了两个不同的模型，一个是OneHotEncoded因变量，另一个是不使用任何编码。
x_3class = class3.iloc[:,:-1].values
y_3class = class3.iloc[:,-1:].values
from sklearn.preprocessing import OneHotEncoder
ohe = OneHotEncoder(categories="auto")
y_3class_ohencoded = ohe.fit_transform(y_3class).to
浏览 15提问于2022-03-28得票数 1
我有一只非常简单的熊猫DataFrame (X)，有八列，二十排满是浮标。然后，我有另一个DataFrame (y)，即20行。当我跑步时：
score = cross_val_score(clf, X, y, scoring='accuracy')
我没有错误，结果是有意义的(基本上DataFrame没有什么问题)。但是，当我运行时：
predicted = cross_val_predict(clf, X)
或
predicted = cross_val_predict(clf, X.values)
我得到以下错误：
Expected array-like (array o
浏览 1提问于2016-02-19得票数 0
回答已采纳
1回答
我正在尝试做一个二进制类分类。由于我有一个小的数据集(275个样本)，我已经做了留-一-出交叉验证，并希望得到平均分类报告和AUROC/AUPRC跨越所有褶皱。
我一直在密切跟踪以得出我的结果，但我无法理解代码在最后一行中所做的事情。
for i in classifiers:
print(i)
originalclass = []
predictedclass = []
model=i
loo = LeaveOneOut()
print('Scores before feature selection')
scores
浏览 0提问于2019-08-06得票数 1
回答已采纳
当我们将不带predict方法的东西传递给cross_val_score时，会计算出什么，就像下面这样
from sklearn.model_selection import cross_val_score
from sklearn.decomposition import PCA
# X is some data, say two dimensional numpy array of reals
cross_val_score(PCA(n_components=10), X)
也就是说，在不使用y和不使用predict的情况下使用cross_val_score。
我之前问过了，，但是没有回复
浏览 12提问于2019-07-31得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
