Python 了解SciKit了解简历验证分数

Python 了解SciKit了解简历验证分数,python,machine-learning,scikit-learn,Python,Machine Learning,Scikit Learn,在运行GridSearchCV时,我试图了解cv_验证_分数的输出。文件没有充分解释这一点 当我打印grid\u search.grid\u scores\u时,我会得到一个包含项目的列表,如下所示: [mean: 0.60000, std: 0.18002, params: {'tfidf__binary': True, tfidf__ngram_range': (1, 1).... 这是有道理的。但是,当我尝试解包grid_分数的每个实例时,我得到: [0] same dictionary

在运行GridSearchCV时,我试图了解cv_验证_分数的输出。文件没有充分解释这一点

当我打印
grid\u search.grid\u scores\u
时,我会得到一个包含项目的列表,如下所示:

[mean: 0.60000, std: 0.18002, params: {'tfidf__binary': True, tfidf__ngram_range': (1, 1)....
这是有道理的。但是,当我尝试解包grid_分数的每个实例时,我得到:

[0] same dictionary as above, makes sense
[1] score for all folds, makes sense
[2] a list that I don't understand, that looks like, "[ 0.75        0.33333333  0.66666667]"

这里报告的分数是多少?

正如我在邮件列表上发布的那样,这一点非常清楚:

网格\分数\命名元组列表

包含参数网格中所有参数组合的分数。每个条目对应一个参数设置。每个命名元组都具有以下属性:

        parameters, a dict of parameter settings
        mean_validation_score, the mean score over the cross-validation folds
        cv_validation_scores, the list of scores for each fold

这些是交叉验证中每倍的分数。

I取消订阅和重新订阅。现在似乎有效了

您是否也可以发布您正在谈论的grid_分数的实际实例?还有,[1]是一个列表还是一个分数?哦,所以所有3个折叠的总分数都在[1]中,但3个折叠中的每一个都被划分在[2]中?由于某种原因,当我阅读文档时,它没有意义。我不确定为什么indead[1]是[3]的意思。Andreas,你对邮件列表发表了评论。我没有收到任何邮件。你订阅了邮件列表吗?否则你将无法得到回复。