Python 在执行K倍交叉验证时，我得到了这个错误类型错误：如果没有指定评分，通过的估计器应该有一个'；得分'；方法

我有这个代码来构建模型并对其进行训练。

model = Sequential()
model.add(Convolution2D(32, kernel_size = (3,3),padding = 'same' ,input_shape= input_shape))
model.add(Activation('linear'))
model.add(Convolution2D(32, kernel_size = (3,3)))
model.add(MaxPooling2D(pool_size=(2, 2),padding='same' ))
model.add(Dropout(0.5))

model.add(Convolution2D(64, kernel_size = (3,3)))
model.add(Activation('linear'))
model.add(Convolution2D(64, kernel_size = (3,3)))
model.add(MaxPooling2D(pool_size=(2, 2),padding='same' ))
model.add(Dropout(0.5))

model.add(Convolution2D(128, kernel_size = (3,3)))
model.add(Activation('linear'))
model.add(Convolution2D(128, kernel_size = (3,3), padding = 'same' ))
model.add(Activation('linear'))
model.add(Dropout(0.5))

model.add(Flatten())
model.add(Dense(10))
model.add(Dropout(0.5))

model.add(Activation('linear'))
model.add(Dense(numclasses))
model.add(Activation('softmax'))

model.compile(loss='categorical_crossentropy', optimizer='rmsprop',metrics=["accuracy"])
hist = model.fit(X_train, y_train, batch_size=32, nb_epoch=30, verbose=1, validation_data=(X_test, y_test), callbacks = callbacks_list)

#Applying K-Fold Cross Validation

accuracy = cross_val_score(estimator=model, X = X_train, y = y_train, cv=10)
accuracy.mean()
accuracy.std()
#Predicting the test set results
y_pred = classifier.predict(X_test)

所以我有9000张图片，我已经按照如下所示进行了培训，但正如您所看到的，有一些概括的迹象正在发生，我想如果没有，请纠正我

但不管怎样，我正在尝试实现K-Fold交叉验证。。我想有很多不同的方法可以做到这一点，但我采取了这种方法，因为我认为这是最简单的方法。

model = Sequential()
model.add(Convolution2D(32, kernel_size = (3,3),padding = 'same' ,input_shape= input_shape))
model.add(Activation('linear'))
model.add(Convolution2D(32, kernel_size = (3,3)))
model.add(MaxPooling2D(pool_size=(2, 2),padding='same' ))
model.add(Dropout(0.5))

model.add(Convolution2D(64, kernel_size = (3,3)))
model.add(Activation('linear'))
model.add(Convolution2D(64, kernel_size = (3,3)))
model.add(MaxPooling2D(pool_size=(2, 2),padding='same' ))
model.add(Dropout(0.5))

model.add(Convolution2D(128, kernel_size = (3,3)))
model.add(Activation('linear'))
model.add(Convolution2D(128, kernel_size = (3,3), padding = 'same' ))
model.add(Activation('linear'))
model.add(Dropout(0.5))

model.add(Flatten())
model.add(Dense(10))
model.add(Dropout(0.5))

model.add(Activation('linear'))
model.add(Dense(numclasses))
model.add(Activation('softmax'))

model.compile(loss='categorical_crossentropy', optimizer='rmsprop',metrics=["accuracy"])
hist = model.fit(X_train, y_train, batch_size=32, nb_epoch=30, verbose=1, validation_data=(X_test, y_test), callbacks = callbacks_list)

#Applying K-Fold Cross Validation

accuracy = cross_val_score(estimator=model, X = X_train, y = y_train, cv=10)
accuracy.mean()
accuracy.std()
#Predicting the test set results
y_pred = classifier.predict(X_test)

我已经实现了其他的K-Fold方法，但我不断地遇到这个错误

TypeError                                 Traceback (most recent call last)
<ipython-input-181-765b62be4342> in <module>
      1 #Applying K-Fold Cross Validation
      2 
----> 3 accuracy = cross_val_score(estimator=model, X = X_train, y = y_train, cv=10)
      4 accuracy.mean()
      5 accuracy.std()

~/anaconda3/envs/tensorflowenv/lib/python3.7/site-packages/sklearn/model_selection/_validation.py in cross_val_score(estimator, X, y, groups, scoring, cv, n_jobs, verbose, fit_params, pre_dispatch, error_score)
    382     """
    383     # To ensure multimetric format is not supported
--> 384     scorer = check_scoring(estimator, scoring=scoring)
    385 
    386     cv_results = cross_validate(estimator=estimator, X=X, y=y, groups=groups,

~/anaconda3/envs/tensorflowenv/lib/python3.7/site-packages/sklearn/metrics/scorer.py in check_scoring(estimator, scoring, allow_none)
    293                 "If no scoring is specified, the estimator passed should "
    294                 "have a 'score' method. The estimator %r does not."
--> 295                 % estimator)
    296     elif isinstance(scoring, Iterable):
    297         raise ValueError("For evaluating multiple scores, use "

TypeError: If no scoring is specified, the estimator passed should have a 'score' method. The estimator <tensorflow.python.keras.engine.sequential.Sequential object at 0x7f0ec5431860> does not.

TypeError回溯（最近一次调用）
在里面
1#应用K-折叠交叉验证
2.
---->3准确度=交叉分值（估计器=模型，X=X\U序列，y=y\U序列，cv=10）
4.平均值（）
5.std（）
交叉评分中的~/anaconda3/envs/tensorflowenv/lib/python3.7/site-packages/sklearn/model\u selection//u validation.py（估计器、X、y、组、评分、cv、n作业、详细信息、拟合参数、发送前、错误评分）
382     """
383#确保不支持多度量格式
-->384评分员=检查评分（评估员，评分=评分）
385
386 cv_结果=交叉验证（估计器=估计器，X=X，y=y，组=组，
检查评分中的~/anaconda3/envs/tensorflowenv/lib/python3.7/site-packages/sklearn/metrics/scorer.py（估计器、评分、允许无）
293“如果未指定评分，则通过的估计员应”
294“有一个‘评分’方法。估算器%r没有。”
-->295%估计数）
296 elif isinstance（评分，可测量）：
297 raise VALUE ERROR（“对于评估多个分数，使用”
TypeError：如果未指定评分，则通过的估计员应具有“评分”方法。估计员没有。

如果有人知道如何解决这个问题，那么请提供帮助。谢谢

---

你试过这个吗？是的。我试过实现它，但我可能正在努力适应我的代码…是因为我没有使用方法吗？@Danielblei我现在没有合适的工具来检查。我不知道这是否能帮到你，但有人提到Keras和Sklearn的问题。也许试着做Kfold之前：

kfold=StratifiedKFold（n\u splits=10，shuffle=True，random\u state=seed）

`

accurity=cross\u val\u分数（估计器=模型，X=X\u序列，y=y\u序列，cv=kfold）

@DanielBlei Okayy谢谢！因为上面的问题是我在以不同方式实施Kfold交叉验证时遇到的两个错误。我先试试你给我的东西。我会通知你的，谢谢！