如果我使用 (cross_val_score)

如何解决如果我使用 (cross_val_score)

我使用随机森林分类器对我的数据集进行分类；我想使用交叉验证；我的问题是我找不到一种方法来知道训练和测试拆分的准确性，所以这可能吗？ 这是我使用的代码，它告诉我

X_test,X_rem,y_test,y_rem = train_test_split(X,Y,test_size=0.1)

X_valid,X_train,y_valid,y_train = train_test_split(X_rem,y_rem,train_size=0.80)


    cv = KFold(n_splits=10,random_state=1,shuffle=True)
    # create model
    model = RandomForestClassifier(n_estimators =400)
        

    scoresranP = cross_val_score(model,cv=cv,n_jobs=-1)
    
    print('Accuracy of Random Forest: %.3f (%.3f)' % (mean(scoresranP),std(scoresranP)))

如果我是对的，在这种情况下，“scoresranP”会给我训练准确度，那么我可以使用测试分割来获得测试准确度吗？ 我错了。谁能告诉我是否可以将 cross_val_score 与三个分割（训练、有效、测试）一起使用？

非常感谢您能提供的任何帮助。

解决方法

如果我是对的，随机森林不会为您提供训练准确性，因为它是一种回归学习方法。