sklearn中的交叉验证:我需要调用fit()和cross_val_score()吗?

Question

我想在学习模型时使用k-fold交叉验证。到目前为止，我是这样做的：

# splitting dataset into training and test sets
X_train, X_test, y_train, y_test = train_test_split(dataset_1, df1['label'], test_size=0.25, random_state=4222)
# learning a model
model = MultinomialNB()
model.fit(X_train, y_train)
scores = cross_val_score(model, X_train, y_train, cv=5)

在此步骤中，我不太确定我是否应该使用 model.fit((，因为在 sklearn 的官方文档中，它们不适合，而只是按如下方式调用cross_val_score(它们甚至没有将数据拆分为训练集和测试集(：

from sklearn.model_selection import cross_val_score
clf = svm.SVC(kernel='linear', C=1)
scores = cross_val_score(clf, iris.data, iris.target, cv=5)

我想在学习模型的同时调整模型的超参数。什么是正确的管道？

Answer 1

如果要进行超参数选择，请查看RandomizedSearchCV或GridSearchCV。 如果要在之后使用最佳模型，请使用refit=True调用其中任何一个，然后使用best_estimator_。

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import RandomizedSearchCV
log_params = {'penalty': ['l1', 'l2'], 'C': [1E-7, 1E-6, 1E-6, 1E-4, 1E-3]}
clf = LogisticRegression()
search = RandomizedSearchCV(clf, scoring='average_precision', cv=10,
n_iter=10, param_distributions=log_params,
refit=True, n_jobs=-1)
search.fit(X_train, y_train)
clf = search.best_estimator_

http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.RandomizedSearchCV.html

Answer 2

您的第二个示例适合进行交叉验证。请参阅此处的示例：http://scikit-learn.org/stable/modules/cross_validation.html#computing-cross-validated-metrics

安装将在cross_val_score功能内部完成，您无需事先担心这一点。

[编辑] 如果除了交叉验证之外，还想训练模型，可以在事后调用model.fit()。