如何在交叉验证中使用.fit()
在交叉验证中使用.fit()方法是指在机器学习模型训练过程中，使用交叉验证技术来评估模型的性能和泛化能力。交叉验证是一种将数据集划分为训练集和验证集的技术，通过多次划分和训练来评估模型的性能。
在使用.fit()方法进行交叉验证时，一般需要以下步骤：
- 准备数据集：首先，将数据集划分为K个子集，其中K通常取5或10。这些子集被称为折（folds）。
- 模型初始化：根据需要选择合适的机器学习模型，并进行初始化。
- 循环训练：对于每个折，将其作为验证集，其余折作为训练集。在每个训练集上使用.fit()方法进行模型训练。
- 模型评估：在每个验证集上使用训练好的模型进行预测，并计算相应的性能指标，如准确率、精确率、召回率等。
- 性能评估：将每次验证的性能指标进行平均或加权平均，得到最终的模型性能评估结果。
交叉验证的优势在于能够更准确地评估模型的性能，并且能够充分利用有限的数据集。它可以帮助我们避免过拟合或欠拟合的问题，并提供对模型泛化能力的更好估计。
在腾讯云中，可以使用TensorFlow或PyTorch等深度学习框架来实现交叉验证。腾讯云提供了云服务器、GPU实例等资源来支持模型训练和计算密集型任务。您可以使用腾讯云的云服务器CVM来搭建开发环境，并使用GPU实例来加速深度学习模型的训练过程。
以下是腾讯云相关产品和产品介绍链接地址：
- 云服务器CVM：提供弹性、可靠的云服务器实例，支持多种操作系统和应用场景。链接：https://cloud.tencent.com/product/cvm
- GPU实例：提供强大的GPU计算能力，适用于深度学习、科学计算等高性能计算场景。链接：https://cloud.tencent.com/product/gpu
请注意，以上链接仅供参考，具体产品选择应根据实际需求进行评估和决策。
相关·内容
1回答
我正在学习R中的plsr，遇到了几个让我困惑的不同的例子。在以下两种方法中，我看到了两种方法来拟合和找到最佳数量的部件。我只想知道哪一种是合适的，哪一种更好？
1)假设我们有一个叫做数据的数据，它被划分为列车数据data.train和测试数据data.test。然后，将plsr安装为
plsr.fit = plsr(formula, data = data.train, validation = "CV", scale = TRUE)
summary(plsr.fit)
然后根据最小的ncomp值求出CV值。
2)不分割任何数据，只需将模型拟合成完整的数据。
plsr(form
浏览 4提问于2017-07-19得票数 0
回答已采纳
我试图在Spark1.6.0中对随机森林执行交叉验证，我发现很难获得评估指标(精确性、召回性、f1.)。我要所有折叠度量的平均值。这可以用CrossValidator和MulticlassClassificationEvaluator获得吗？
我只找到了一些示例，在这些示例中，评估稍后将在独立的测试数据集上执行，并使用交叉验证中的最佳模型。我并不打算使用一个训练和测试集，而是使用所有的dataframe (df)来进行交叉验证，让它分裂，然后取平均度量。
paramGrid = ParamGridBuilder().build()
evaluator = MulticlassClassific
浏览 1提问于2017-08-04得票数 4
回答已采纳
1回答
我是与岭回归函数在sci学习。
有一个交叉验证函数RidgeCV。基本(示例)设置如下：
RidgeCV(alphas=[0.1, 1.0, 10.0], cv=None, fit_intercept=True, scoring=None,
normalize=False,store_cv_values=True)
假设我想做一份10倍的简历。我是用"cv=“参数来设置它吗？我看到的每个RidgeCV都将cv设置为cv=None。
( 1)甚至不确定这是否是设置10倍的正确位置。
2)在文档中找不到除"None“之外的其他CV=参数值。
谢谢
浏览 0提问于2014-11-08得票数 1
回答已采纳
1回答
我有包含绝对值和非绝对值的数据集。我将OneHotEncoder应用于范畴值，StandardScaler应用于连续值。
transformerVectoriser = ColumnTransformer(transformers=[('Vector Cat', OneHotEncoder(handle_unknown = "ignore"), ['A', 'B', 'C']),
('Standa
浏览 0提问于2021-06-10得票数 0
回答已采纳
1回答
我有一个非常大的数据集，有36个特征，其中包括6个输出列。我正在尝试在这个数据集中进行MLP反向传播神经网络学习(回归)，并且我使用了神经网络和插入符号。我想要两个隐藏层，每层有6和5个节点。我还想在我的NN模型中添加k折交叉验证
control <- trainControl(method="repeatedcv", number=5, repeats=1)
# train the model
model <- train(X,Y, method="neuralnet",
algorithm
浏览 0提问于2016-04-12得票数 1
1回答
所以我把自己搞糊涂了。
目前，我已经获得了大约800个实例的数据集。我将其拆分为训练集和验证集，因为缺少值，所以我使用sklearn中的SimpleImputer，并对训练集进行fit_transform-ed，然后对测试集进行转换。我这样做是因为如果我想预测新的实例，如果有缺失值，那么我需要用我估算测试集的方法来估算它。
现在我想使用交叉验证来训练和评分模型，但这将涉及到使用整个数据集并将其划分为不同的训练集和测试集，因此我担心由于拟合输入值而导致训练集中的泄漏？
浏览 30提问于2018-12-18得票数 3
我已经对一些对象进行了酸洗，以便以后可以重用它们。例如，我酸洗了三个不同的梯度提升回归器，我想在以后重用它们。然而，当我尝试对回归器使用transform方法时，python抱怨需要首先对其进行拟合。代码如下：
models #a list containing three regressors
joblib.dump(models[0], 'gbm1.pkl')
joblib.dump(models[1], 'gbm2.pkl')
joblib.dump(models[2], 'gbm3.pkl')
然后我将它们重新加载到iPython中。
浏览 1提问于2015-06-10得票数 2
1回答
我是数据科学的新手，有点困惑。只想确保我的方法是有意义的。 我创建的modells如下： lr7 = GaussianNB().fit(X_train,y_train) 然后立即使用cross_val_predict()。 y_pred8 = cross_val_predict(lr8, X_test, y_test, cv=5, n_jobs=-1, verbose=5) 首先交叉验证训练集不是更有意义吗？ 在scikitlearn中也有一个cross_validate()函数。对训练数据集使用此方法是否正确？在文档中，他们同时使用X和Y，而不是训练/测试拆分的数据。
浏览 34提问于2020-08-11得票数 0
我正在尝试使用n_neighbors为KnearestClassifier找到优化的GridSearchCV值。我能够得到优化的参数，但是当我在分类器中输入这些参数时，结果与GridSearchCVs的最佳结果不匹配。
clf = KNeighborsClassifier(n_neighbors=15, weights='uniform')
clf.fit(features_train, labels_train)
print('Score using optimized parameters: {}'.format(clf.score(features_
浏览 0提问于2017-03-25得票数 1
回答已采纳
请有人告诉我，如果这是正确的方法，计算交叉验证的精度我的分类器？我将我的数据集划分为训练数据的xtrain和ytrain，以及测试集的xtest & ytest。
构建模型：
RFC = RandomForestClassifier(n_estimators=100)
适合于训练集的：
RFC.fit(xtrain, ytrain)
，这是我不确定的部分：
scores = cross_val_score(RFC, xtest, ytest, cv = 10, scoring='precision')
使用上面的代码，“分数”会给我在我的模型上的精确性，而我的模型是关于
浏览 8提问于2015-07-04得票数 3
1回答
我想交叉验证我的高斯混合模型。目前，我使用sklearn的cross_validation方法如下所示。
clf = GaussianMixture(n_components=len(np.unique(y)), covariance_type='full')
cv_ortho = cross_validate(clf, parameters_train, y, cv=10, n_jobs=-1, scoring=scorer)
我看到cross_validation正在用y_train训练我的分类器，使它成为一个监督分类器。
try:
if y_train is No
浏览 5提问于2020-02-13得票数 1
回答已采纳
这是Python2.7和Pandas 0.17.1中关于scikit学习(版本为0.17.0)的一个问题。为了使用详细的方法拆分原始数据(没有缺少条目)，我发现如果使用拆分数据来处理.fit()，就会出现错误。
以下是与变量重命名的其他堆栈溢出问题基本相同的代码。然后，我实例化了一个网格，并试图对分割的数据进行拟合，以确定最佳分类器参数。错误发生在下面代码的最后一行之后：
import pandas as pd
import numpy as np
# UCI's wine dataset
wine = pd.read_csv("https://s3.amazonaws.com
浏览 1提问于2016-03-14得票数 2
回答已采纳
1回答
在下面的代码中，"greed_search.fit(X，Y)“与嵌套的CV没有任何关系，我的理解正确吗？这意味着无法在sklearn中使用嵌套CV获取最佳参数。
# inner cross_validation
greed_search = GridSearchCV(estimator=estimator, param_grid=parameters, cv=inner_cv, scoring=optimized_for)
greed_search.fit(X, optimization_label)
# Nested CV with parameter
浏览 0提问于2017-08-25得票数 5
我在一个sklearn ML案例中遇到了这个问题，数据严重不平衡。下面的代码行提供了从混淆度量和精确召回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_selection.cross_val_predict(model, X, Y, cv=kfold)
问题是我如何利用这个“交叉val训练”模型来：
1)在另一个数据集(缩放)上进行预测，而不是每次都进行训练/预测？
2)导出/序列化/部署模型以预测实时数据？
model.predict() #--> nope. need a fit() first
model.fit() #--> n
浏览 2提问于2018-12-03得票数 1
1回答
就像标题说的那样，我试图使用R中的rpart包运行一个有交叉验证和没有交叉验证的决策树，我使用的是xval参数，如中所描述的。
不幸的是，我得到了同样的树，有和没有简历。我比较了每个模型的计算时间，而CV模型看起来花费了大约10倍的时间，所以它显然在做一些事情，我只是想不出是什么。
我还多次用不同的复杂度参数重做了模型，但没有产生任何不同的效果。
这里的示例代码显示了我的问题，printcp显示了相同的结果，来自训练和坚持集的预测都是一样的。
library(rpart)
library(caret)
abalone <- read.csv(file = 'https://ar
浏览 0提问于2018-09-09得票数 0
我的代码如下
gbm.fit.hex = h2o.gbm(x= xcols , y =1865 , training_frame = tr.hex , distribution = "bernoulli", model_id = "gbm.model" , key = "gbm.model.key" , ntrees = gbm.trees , max_depth = gbm.depth , min_rows = gbm.min.rows , learn_rate = gbm.le
浏览 0提问于2015-09-05得票数 0
回答已采纳
1回答
我正试图建立一个LSTM模型来预测股票价格。我把数据分成训练和测试两部分。我使用model.fit内部的测试数据作为validation_data。之后，我将测试数据传递给model.predict()并生成预测。
我想知道，如果我使用model.fit()中的测试数据，如果我使用相同的数据来生成预测，是否会发生过度拟合？
我是否应该将原始数据分成3组:培训、验证和测试？验证数据将用于model.fit()，而测试数据将用于model.predict()。
样本代码：
model_lstm = Sequential()
model_lstm.add(LSTM(50, return_sequen
浏览 34提问于2022-07-05得票数 -1
回答已采纳
给出下面的代码，我试图构建的自定义转换器类--它的目标是通过网格搜索添加几个列和矮小的--本身运行良好，但在通过管道执行时会降低行的维度。也许有人能解释出哪里出了问题，我显然遗漏了一些东西。搜索评论：“这里发生了什么，维度在行中减少了？”在那里我有问题的指纹。执行的完整代码可以在下面找到！
import pandas as pd
import numpy as np
from sklearn.datasets import load_breast_cancer
from sklearn import linear_model
from sklearn.base import BaseEsti
浏览 0提问于2018-04-04得票数 1
回答已采纳
当我将fit函数应用于MLPClassifier时，我遇到了麻烦。我仔细阅读了，但无法确定验证是如何工作的。
这是交叉验证还是在培训和验证数据之间存在分歧？
提前谢谢。
浏览 0提问于2018-08-14得票数 0
回答已采纳
我正在执行RandomForest的超参数调优，如下所示，使用GridSearchCV。
X = np.array(df[features]) #all features
y = np.array(df['gold_standard']) #labels
x_train, x_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
param_grid = {
'n_estimators': [200, 500],
'max_fea
浏览 2提问于2019-04-10得票数 4
回答已采纳
在使用scikit-learn对文本文档进行分类时，您是先进行交叉验证，然后再进行特征提取，还是采用其他方式？
以下是我的工作流程：
union = FeatureUnion(
transformer_list = [
('tfidf', TfidfVectorizer()),
('featureEx', FeatureExtractor()),
('spell_chker', Spellingchecker()),
], n_jobs = -1)
我用下面的方法来做，但是我想知道我是否应该首先提取特征并进行交叉验证。在本例中，X是文档列
浏览 2提问于2015-09-23得票数 0
我想用插入符号建立一个线性回归模型，通过10倍交叉验证的结果来估计。
fitControl <- trainControl(## 10-fold CV
method = "repeatedcv",
number = 10,
## repeated ten times
repeats = 10,
savePredictions=T)
Fit1 <- train(X_B,Y_B,
method = "glm",
trControl = fitControl)
> Fit1
Generaliz
浏览 0提问于2015-03-23得票数 0
我试图在v_measure_score中使用GridSearchCV并比较结果。
使用另一种方法而不带GridSearchCV。
v_measure_score 评分最高的是0.69816019299，百分位数27；
GridSearchCV得分最好的是0.565562627046和百分位数12。
我认为，结果应该是一样的。
我检查了我的代码几次，但仍然找不出原因。以下是我的代码：
GridSearchCV
estimators = [('tfIdf', TfidfTransformer()), ('sPT', SelectPercentile()), (
浏览 4提问于2016-11-18得票数 0
作为的后续，我正在尝试交叉验证一堆模型。
手册
首先，我手动执行所有步骤，以确保一切正常工作：
from sklearn.datasets import make_classification
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.metrics import
浏览 0提问于2018-12-04得票数 2
回答已采纳
我想在RandomForestClassifier中执行GridSearchCV，但是数据不平衡，所以我使用StratifiedKFold：
from sklearn.model_selection import StratifiedKFold
from sklearn.grid_search import GridSearchCV
from sklearn.ensemble import RandomForestClassifier
param_grid = {'n_estimators':[10, 30, 100, 300], "max_depth": [
浏览 2提问于2016-10-26得票数 9
我看到了一些使用两个不同StandardScaler的实验，如下所示：
scaler_1 = StandardScaler().fit(X_train)
train_sc = scaler_1.transform(X_train)
scaler_2 = StandardScaler().fit(X_test)
test_sc = scaler_2.fit(X_test)
我理解不应该偏倚分类器混合训练/测试数据，但我想知道另一个场景是否正确：
# X_all represents X feature vector before splitting (train + test)
X_scale
浏览 1提问于2020-07-22得票数 3
回答已采纳
我正在尝试训练一个交叉验证的支持向量机模型(用于一个学校项目)。当我打电话给X和y时
clf = svm.SVC(gamma='scale')
scores = cross_val_score(clf, X, y, cv=4)
scores按预期设置为数组，但我希望能够调用clf.predict(test_x)，但当我这样做时，会抛出消息This SVC instance is not fitted yet. Call 'fit' with appropriate arguments before using this method.的异常(我希望它返回类似于[
浏览 0提问于2019-09-06得票数 3
回答已采纳
在这个简化的例子中，我使用GridSearchCV来训练Logistic回归。和往常一样，我希望模型能够很好地概括，所以我想仔细观察测试集的结果。在使用GridSearchCV时，我找不到一种简单的方法来做到这一点。
lr_pipeline = Pipeline([('clf', LogisticRegression())])
lr_parameters = {'clf__fit_intercept':[True,False]}
lr_gs = GridSearchCV(lr_pipeline, lr_parameters)
lr_gs = lr_gs.fit
浏览 2提问于2016-03-23得票数 0
我正在尝试使用scikit的GridSearch来为Lasso找到最好的alpha，而我希望它迭代的参数之一是交叉验证分割。所以，我在做：
# X_train := Pandas Dataframe with no index (auto numbered index) and 62064 rows
# y_train := Pandas 1-column Dataframe with no index (auto numbered index) and 62064 rows
from sklearn import linear_model as lm
from sklearn import
浏览 1提问于2016-09-12得票数 0
我想通过使用GridSearchCV (Scikit-Learn)和数据增强(来自Keras的ImageDataGenerator)来优化CNN体系结构的一些超参数。然而，GridSearchCV只提供fit函数，而不提供fit_generator函数。是否建议在GridSearchCV中使用数据增强？ImageDataGenerator的参数已经固定，不应更改。首先通过网格搜索确定超参数，而不增加数据，而只对最终模型使用数据增强，这样会更好吗？
你对这个话题怎么看？你的经历是什么？
浏览 0提问于2019-12-28得票数 6
回答已采纳
我有输入数据X _ 使用尺寸(477 X 200)和y进行训练 _ 训练长度为477。我想使用支持向量机回归器，我正在做网格搜索。 param_grid = {'kernel': ['poly', 'rbf', 'linear','sigmoid'], 'degree': [2,3,4,5], 'C':[0.01,0.1,0.3,0.5,0.7,1,1.5,2,5,10]}
grid = GridSearchCV(estimator=regressor_2, param_grid=
浏览 29提问于2021-03-01得票数 0
回答已采纳
嗨，我正在试图运行一个随机森林上的平滑过采样数据，但我得到一个错误，当我试图添加交叉验证和ROC曲线。我使用的数据是熊猫的数据，学校是我想要预测的群体(0或1)。
import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets import make_classification
from sklearn.model_selection import KFold
from sklearn.linear_model import LogisticRegression
from sklearn.metrics imp
浏览 9提问于2022-03-09得票数 1
2回答
如何在邮件中找到集群
、、、、
我正在做一个机器学习项目，我有一个包含电子邮件中出现的单词频率的数据集。我需要找到每个邮件所属的集群。我所做的是将一个数据加载到pandas数据帧中，然后我训练了一个KMeans算法。数据集如下所示：
[
{
"adwords": 2,
"google": 4,
"ads": 2,
"facebook": 1,
"shyam": 2
},
{
"facebook": 4,
浏览 0提问于2018-09-15得票数 0
1回答
超参数调整后性能较差
、、、、
首先构造一个基本模型(使用默认参数)并获得MAE。
# BASELINE MODEL
rfr_pipe.fit(train_x, train_y)
base_rfr_pred = rfr_pipe.predict(test_x)
base_rfr_mae = mean_absolute_error(test_y, base_rfr_pred)
MAE = 2.188
然后，我执行GridSearchCV以获得最佳参数，并得到平均MAE。
# RFR GRIDSEARCHCV
rfr_param = {'rfr_model__n_estimators' : [10, 100, 5
浏览 0提问于2021-07-04得票数 0
回答已采纳
2回答
我有以下代码：
from sklearn import model_selection
from sklearn.ensemble import RandomForestClassifier
import pandas as pd
from sklearn.pipeline import Pipeline
...
x_train, x_test, y_train, y_test= model_selection.train_test_split(dataframe[features_],dataframe[labels], test_size=0.30,random_state=42, shu
浏览 5提问于2021-06-13得票数 0
回答已采纳
我需要根据交叉验证考虑的组合数量，使用交叉验证来跟踪xgboost训练模型的进度。有没有什么办法可以让我这样做？我不需要花多长时间，只需查看进度来估计需要多少次迭代，以及当前正在进行哪一次迭代。
def train_model_xgboost(dataframe, variables, respuesta, mono_constraints):
X_train, X_test, y_train, y_test = train_test_split( #probar time series train split
dataframe[variables],
datafra
浏览 3提问于2021-06-16得票数 0
1回答
我第一次开始机器学习和尝试Sklearn。我有两个数据，一个有数据来训练一个逻辑回归模型(用10倍交叉验证)，另一个用这个模型预测类('0,1')。到目前为止，我的代码使用了我在Sklearn文档和Web上找到的一些教程：
import pandas as pd
import numpy as np
import sklearn
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import KFold
from sklearn.preprocessing impor
浏览 2提问于2017-11-18得票数 0
回答已采纳
假设我们有以下管道：
example_pipe = Pipeline(steps=[
('scaler', StandardScaler()),
('selector', SelectKBest(k=len(X.columns)-5)),
('classifier', KNeighborsClassifier())
])
现在，我们希望通过以下方法获得管道的性能：
# 1)
cross_val_score(example_pipe, X, y, cv=5, scoring='accuracy').mean(
浏览 4提问于2021-08-07得票数 2
回答已采纳
sklearn.model_selection.permutation_test_score计算的r2评分与sklearn.metrics.r2_score评分之间存在明显的不匹配。由permutation_test_score计算的数据似乎不正确；请参见下面的内容：
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score
from sklearn.model_selection import permutation_test_score
浏览 2提问于2017-04-13得票数 1
这是我的第一个StackOverflow问题，我需要帮助！我已经用尽我自己和通过实验寻找答案，但我希望来自社区的人能提供帮助。
这是我在联合国大学的论文的工作，所以任何帮助都将是非常感谢的。
我会尽量尽量总结：
I正在与Scikit合作-学习分类器，并尝试用GridSearchCV对它们进行调优/CV，以便为以后与Keras/Tensorflow的工作形成基线。
我的问题目前与RandomForestClassifier / GridSearchCV.有关
我正在使用大量的数据。Kaggle 的信用卡欺诈数据
数据是不平衡的，所以我使用SMOTE对0类和1类(欺诈)进行过采样，
浏览 4提问于2017-11-16得票数 1
1回答
我有一个关于rpart和overfitting的问题。我的目标只是在预测上做得好。我的数据集很大，几乎有20000个点。使用这些点中的大约2.5%作为训练，我得到了大约50%的预测误差。但是使用97.5%的数据作为训练，我得到了大约30%。由于我使用了如此多的数据进行训练，我想可能存在过度拟合的风险。
我用随机训练/测试数据+修剪树1000次，如果我理解正确的话，这是某种交叉验证，我得到了非常稳定的结果(相同的预测误差和变量的重要性)。
即使我已经运行了1000次，并且预测误差是稳定的，过拟合仍然是一个问题吗？
我还有一个关于我的解释变量之间的相关性的问题。这在CART中会有问题吗(就像回归一
浏览 0提问于2018-01-10得票数 0
基于that topic，为了使用scikit's cross_val_score，我为statsmodels' glm创建了一个包装器。现在我需要通过SM.GLM的var_weights参数来介绍variance/analytic weights。 class Wrapper(BaseEstimator, RegressorMixin):
def __init__(self, family, alpha, L1_wt, var_weights):
self.family = family
self.alpha = alpha
浏览 12提问于2020-09-16得票数 1
回答已采纳
2回答
我有一个生成器函数，它生成(输入，目标)的元组，我的模型在这个元组上使用Keras中的fit_generator()方法进行训练。 我的数据集被分成9个相等的部分。我希望使用fit_generator()方法对数据集执行留一交叉验证，并保持先前训练的学习参数不变。 我的问题是，在模型上多次调用fit_generator()会让它从头开始重新学习之前的训练和验证集上的学习参数，还是会保持这些学习参数不变，从而提高准确性？ 经过一些研究后，我发现Keras中的fit()方法保留了学习到的参数，就像这里的Calling "fit" multiple times in Keras一样
浏览 21提问于2019-06-13得票数 3
回答已采纳
1回答
我在python中编写了一段代码，使用scikit-learn模块执行支持向量机分类，并进行递归的特征消除和交叉验证：
svc = SVC(kernel="linear")
rfecv = RFECV(estimator=svc, step=1, cv=StratifiedKFold(y_train, 2), scoring='f1')
svc.fit(X_train, y_train)
rfecv.fit(X_train, y_train)
不幸的是，我无法理解为什么使用交叉验证模型(rfecv.fit)时的输出分类与默认模型(svc.fit)不同。交叉验
浏览 2提问于2015-03-24得票数 0
回答已采纳
我想使用交叉验证，而不是普通的验证集方法，作为一种更好地估计测试错误率的方法。我使用的是基于spark-MLLib Dataframe的API。但是，如果我运行以下代码-
cv = tuning.CrossValidator(estimator=randomForestRegressor, evaluator=evaluator, numFolds=5)
cv_model = cv.fit(vsdf)
我得到了错误-
KeyError Traceback (most recent call last)
<ipython-i
浏览 36提问于2021-09-12得票数 1
1回答
在我的数据中，几个条目对应于一个主题，我不会将这些条目混合在火车和测试集之间。因此，我查看了GroupKFold折叠迭代器，根据sklearn文档，它是一个“不重叠组的K折叠迭代器变体”。因此，我想要实现嵌套交叉验证使用GroupKFold来分割测试和训练集.
我从中给出的模板开始。但是，我在网格实例上调用fit方法时遇到了一个错误，它说groups的形状与X和y不同。为了解决这个问题，我也使用了列车索引对groups进行了切片。
这个实现是正确的吗？我最关心的是不要把来自同一组的数据混合在火车和测试组之间。
inner_cv = GroupKFold(n_splits=inner_fold)
浏览 2提问于2020-10-28得票数 2
运行一个标准的定标器，然后再运行一个分类器，会得到与使用管道相同的结果吗？
嗨，我有一个分类问题，正在尝试使用scikit学习的StandardScaler()来缩放X个变量。我看到了两个这样做的选择，它们在理论上应该产生相同的结果吗？因为当我使用选项(1)时，我在我的测试数据集上获得了更好的精度分数。
(1)
scalar = StandardScaler()
xtrain_ = scalar.fit_transform(xtrain)
RFC = RandomForestClassifier(n_estimators=100)
RFC.fit(xtrain. ytrain)
xtest_
浏览 1提问于2015-07-06得票数 2
2回答
用Scikit进行每倍特征提取
、、、、
对于机器学习实验，我必须进行特征选择。我没有部门在训练和测试集，因为10倍交叉验证。有人告诉我我必须做每一次的特征选择。但我不知道该怎么做。这是我代码的一部分。
vec = DictVectorizer()
X = vec.fit_transform(instances) # No train/ test set, because we'll use 10-fold cross validation
scaler = StandardScaler(with_mean=False)
X_scaled = scaler.fit_transform(X) # To make sure ev
浏览 2提问于2017-07-13得票数 0
回答已采纳
1回答
验证与预测的区别
、、、、
作为通过预测()或通过fit()验证？的后续，我想知道验证和预测之间的区别。为了保持简单，我将参考train、val和test：
📷
培训数据:训练模型，特别是通过GridSearchCV或类似的验证数据找到超参数:在“新”数据上验证这些超参数？测试数据:对未见数据进行预测
到目前为止我的状况：
分离数据: 60 %的培训- 20 %的验证- 20 %的测试
查找训练数据上的超参数
利用.fit(X_train, y_train, validation_data(X_val, y_val))重新拟合训练数据的最佳参数。
通过.predict()或.evaluate()检查未见数据的模型。
这是
浏览 0提问于2019-10-17得票数 0
回答已采纳
在Python中，为了只使用最相关的特性，我应用了SelectPercentile (来自sklearn)，并训练了一个支持向量机分类器。我想提一下，我只有一个语料库，所以我必须在这个语料库上执行cross_validation。
在使用SelectPercentile选择特性之后，当我使用cross_validation时，我得到的分数太高，我认为我做错了什么，但我不知道是什么。我认为X_all矩阵有重复的行或重复的列，但它没有。
我不明白为什么我会得到这样的结果。有人能让我明白引擎盖下面发生了什么，我做错了什么吗？
implementation
只从数据集中提取单词。
使用Pandas创建
浏览 4提问于2016-06-17得票数 1
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
