如何使用cross_val_score() Sklearn？

cross_val_score()是Scikit-learn（Sklearn）库中的一个函数，用于执行交叉验证并返回模型的性能评估结果。

使用cross_val_score()的一般步骤如下：

from sklearn.model_selection import cross_val_score
from sklearn.model_selection import KFold
from sklearn.linear_model import LinearRegression

# 假设X为特征数据，y为目标变量
X = ...
y = ...

model = LinearRegression()

# 如果不指定，默认为3折交叉验证
kfold = KFold(n_splits=5)

# 使用交叉验证计算模型的性能评估指标，如R2得分
scores = cross_val_score(model, X, y, cv=kfold, scoring='r2')

在上述代码中，cross_val_score()函数的参数解释如下：

print("交叉验证结果：", scores)
print("平均得分：", scores.mean())

cross_val_score()函数会返回一个包含每次交叉验证得分的数组，可以通过打印该数组来查看每次的得分。同时，可以计算得分的平均值来评估模型的整体性能。

需要注意的是，cross_val_score()函数只能用于评估模型的性能，不能用于训练模型。如果需要训练模型，可以使用fit()函数。

推荐的腾讯云相关产品和产品介绍链接地址：

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