Machine learning 使用cross_val_score（）的正确方法是什么_Machine Learning_Scikit Learn_Cross Validation

Machine learning 使用cross_val_score（）的正确方法是什么

machine-learning scikit-learn

Machine learning 使用cross_val_score（）的正确方法是什么,machine-learning,scikit-learn,cross-validation,Machine Learning,Scikit Learn,Cross Validation,考虑这样的函数调用：cross\u val\u score（model，X，y，cv）在调用这个函数之前，我已经用DecisionTreeClassifier（）.fit（）对一个模型进行了训练，我们称它为trained\u model 我有以下问题：模型：我应该向该参数传递什么DecisionTreeClassifier（），DecisionTreeClassifier（）.fit（）或训练型当我构建训练的\u模型时，我已经为分类器设置了随机的\u状态，并且训练测试\u分割（）。我是否应

考虑这样的函数调用：

cross\u val\u score（model，X，y，cv）

在调用这个函数之前，我已经用

DecisionTreeClassifier（）.fit（）对一个模型进行了训练，我们称它为trained\u model

我有以下问题：
模型
：我应该向该参数传递什么DecisionTreeClassifier（）
，DecisionTreeClassifier（）.fit（）
或训练型

当我构建训练的\u模型
时，我已经为分类器设置了随机的\u状态
，并且训练测试\u分割（）。我是否应该在cross\u val\u score（）
中设置random\u state

X，y
：我应该向这些参数传递什么<代码>X\U列，y\U列

还是只X，y
当前我的cross\u val\u score（）
调用如下：

scores\u dtree\u cv\u kfold=cross\u val\u scores（经过训练的模型，X，y，cv=kfold（5））
我不太清楚我在做什么
任何人都可以知道我做得是否正确，我是如何错的以及会发生什么？交叉验证是一种测试（未拟合）模型及其参数的方法。

因此，该函数需要非拟合模型（例如，cross\u val\u score（DecisionTreeClassifier（））
）
X，y
应该是整个数据，因为函数会将它们分成k个折叠。
欢迎使用；在这里急于开始提问之前，请确保您首先检查了相关的。