cross_val_score中cv=5与cv=KFold(n

cross_val_score用来做交叉验证，里面的一个参数cv的选择比较悬疑，有时会用cv=n，有时又用cv=KFold(n_splits=n)。

查来查去，在《machine learning》终于找到了一个说法：

When an integer is passed to the cv parameter of cross_val_score():

StratifiedKFold is used if the estimator is a classifier and y is either binary or multiclass.
In all other cases, KFold is used.

啥意思？还是翻译一下：如果估计器是一个分类器，并且y是二进制或多类，则使用StratifiedKFold，如果是其他情况，就用KFold

这里的StratifiedKFold是啥？cv=StratifiedKFold(n_splits=5)其实就等价于cv=5

from sklearn import datasets
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import cross_val_score, KFold, StratifiedKFolddata = datasets.load_breast_cancer()
x, y = data.data, data.targetprint(cross_val_score(DecisionTreeClassifier(random_state=1), x, y, cv=5))
print(cross_val_score(DecisionTreeClassifier(random_state=1), x, y, cv=KFold(n_splits=5)))
print(cross_val_score(DecisionTreeClassifier(random_state=1), x, y, cv=StratifiedKFold(n_splits=5)))

结果如上图，仔细看看会发现第一个和第三个的结果一模一样，这也证明了“cv=StratifiedKFold(n_splits=5)其实就等价于cv=5”

上面都是纸上谈兵，直接实操一下看看结果。

我在泰坦尼克预测案例中，用了随机森林来玩，估计器是分类器，并且Y是二进制值，按照上面的结论，这里应该用cv=3（或者cv=StratifiedKFold(n_splits=3)）最合适。跑完结果发现，cv=3的结果确实优于cv=kf的结果

cross_val_score中cv=5与cv=KFold(n_splits=5)的区别相关推荐

交叉验证中cv=? 与 cv=KFold(n_splits=?)的区别
这几天复习交叉验证的时候发现一个问题,学习资料中有些地方用的函数中cv=?,有些地方则用的cv=KFold(n_splits=?) 这个函数,就比如我用KNN模型做十折交叉验证: model = sk ...
OpenCV中的「透视变换 / 投影变换 / 单应性」—cv.warpPerspective、cv.findHomography
文章目录引言透视变换(projective transform) 单应性(Homography) opencv代码仿射变换相关函数投影变换相关的函数鸟瞰图代码示例小结引言图像的几何变换 ...
opencv-python 中直线拟合函数cv.fitLine()的2D直线拟合（适合小白观看）
在提取指静脉的过程中,我们需要提取有用的ROI区域.而这时候,我们会采取将手指两边中点拟合成一条直线,求得这个直线的直线方程,然后得到旋转的角度,以便对原来的图像进行旋转操作.当我们知道如何取得手指的 ...
【opencv】5.cv::findContours和cv::drawContours()
原文链接:https://blog.csdn.net/guduruyu/article/details/69220296 可以通过查找轮廓,找出图像中的对象.这轮廓是由一系列点组成的,根据查找轮廓时的 ...
【OpenCV3】透视变换——cv::getPerspectiveTransform()与cv::warpPerspective()详解
透视变换(Perspective Transformation)是将成像投影到一个新的视平面(Viewing Plane),也称作投影映射(Projective Mapping).如图1,通过透视变换 ...
【OpenCV3】图像通道分离与合并——cv::split()与cv::merge()详解
在图像处理中,尤其是处理多通道图像时,有时需要对各个通道进行分离,分别处理:有时还需要对分离处理后的各个通道进行合并,重新合并成一个多通道的图像.opencv2和opencv3中实现图像通道的合并与分 ...
【OpenCV3】棋盘格角点检测与绘制——cv::findChessboardCorners()与cv::drawChessboardCorners()详解
棋盘格法是摄像机标定中常用的一种方法,在使用该方法时需要对棋盘格的角点进行检测.opencv中封装了一个专门用于棋盘格角点检测的函数即cv::findChessboardCorners(),同时,也提 ...
【OpenCV3】角点检测——cv::goodFeaturesToTrack()与cv::cornerSubPix()详解
一提到角点检测,最常用的方法莫过于Harris角点检测,opencv中也提供了Harris角点检测的接口,即cv::cornerHarris(),但是Harris角点检测存在很多缺陷(如角点是像素级别 ...
【OpenCV3】彩色映射——cv::applyColorMap()与cv::LUT()详解
在图像处理的过程中,我们通常会遇到将灰度图像映射成彩色图像的情形(即通常所说的伪彩映射),OpenCV2和OpenCV3中均提供了两个用于伪彩映射的函数--cv::applyColorMap()和cv ...

cross_val_score中cv=5与cv=KFold(n_splits=5)的区别

cross_val_score中cv=5与cv=KFold(n_splits=5)的区别相关推荐

最新文章

热门文章