Python 如何使用不同的数据集进行训练和测试？

我想找到RandomForest分类器（使用scikit learn）的最佳参数，使其能够很好地推广到其他数据集（可能不是iid）。 我在考虑使用整个训练数据集进行网格搜索，同时在其他数据集上评估评分函数。

---

在python/scikit学习中是否有一个简单的方法可以做到这一点？

我认为您无法在不同的数据集上进行评估。GridSearchCV背后的整个想法是，它将您的训练集拆分为n个折叠，在其中的n-1个折叠上进行训练，并在剩余的一个折叠上进行评估，重复该过程，直到每个折叠都是“奇数折叠”。这使您不必区分特定的验证集，您可以简单地使用培训集和测试集。

我认为您无法在不同的数据集上进行评估。GridSearchCV背后的整个想法是，它将您的训练集拆分为n个折叠，在其中的n-1个折叠上进行训练，并在剩余的一个折叠上进行评估，重复该过程，直到每个折叠都是“奇数折叠”。这使您不必设置特定的验证集，您可以简单地使用训练集和测试集。

如果可以，您可以简单地合并两个数据集并执行GridSearchCV，这确保了对其他数据集的泛化能力。如果您谈论的是对未来未知数据集的泛化，那么这可能不起作用，因为没有一个完美的数据集可以用来训练完美的模型。

如果可以，您可以简单地合并两个数据集并执行GridSearchCV，这确保了对另一个数据集的泛化能力。如果您谈论的是对未来未知数据集的泛化，那么这可能不起作用，因为没有一个完美的数据集可以用来训练完美的模型。

您不能在另一个数据集上计算评分函数。您不能在另一个数据集上计算评分函数。谢谢！您是否有任何关于未来未知数据集泛化的参考资料？谢谢！您是否有任何提及对未来未知数据集的概括的参考资料？