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。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。