如何在交叉验证中使用.fit

问题描述

我对数据科学还很陌生，有点困惑。 并且只是想确保我的方法有意义。

我创建如下模型：

lr7 = GaussianNB().fit(X_train,y_train)

，然后紧接着使用cross_val_predict（）。

y_pred8 = cross_val_predict(lr8,X_test,y_test,cv=5,n_jobs=-1,verbose=5)

首先交叉验证火车组是否更有意义？

scikitlearn中还有一个cross_validate()功能。 将此与火车数据集一起使用是否正确？在文档中，他们同时使用X和y，而不训练/测试分割后的数据。

解决方法

实现交叉验证的一种简单方法是使用cross_val_score函数（来自sklearn。这可能适合您的问题。

# build model
lr7 = GaussianNB()
scores = cross_val_score(lr7,X,y,cv=5)

请注意，在交叉验证中，您可以使用整个数据集，也可以使用训练部分X_train，y_train，而不使用代码中显示的测试部分。