Python 线性回归&x2B;sklearn交叉验证模型训练
我是新来学习python的。我理解交叉验证的基本原理。如果我在默认情况下将数据拆分为3倍。sklearn将使用不同的训练和测试数据集对模型进行3次训练。我假设它产生了3种不同的模型,我的意思是不同的w^和d^。是这样吗?我应该取回一个模型吗?如果我使用model.predict()来预测输入,我使用的是哪个模型?交叉验证评估模型设置,而不是模型参数 也就是说,如果我使用了一个不好的设置,比如10个数据点上有20个参数的LR,交叉验证将报告低分,因为此设置中的模型没有泛化,而不是因为模型参数错误 如果在交叉验证之后,您得出结论,模型概括得很好,那么所有经过训练的模型都将非常相似。使用它们中的任何一个都是安全的,甚至可以通过对整个开发数据集进行训练来获得最终的模型Python 线性回归&x2B;sklearn交叉验证模型训练,python,scikit-learn,cross-validation,Python,Scikit Learn,Cross Validation,我是新来学习python的。我理解交叉验证的基本原理。如果我在默认情况下将数据拆分为3倍。sklearn将使用不同的训练和测试数据集对模型进行3次训练。我假设它产生了3种不同的模型,我的意思是不同的w^和d^。是这样吗?我应该取回一个模型吗?如果我使用model.predict()来预测输入,我使用的是哪个模型?交叉验证评估模型设置,而不是模型参数 也就是说,如果我使用了一个不好的设置,比如10个数据点上有20个参数的LR,交叉验证将报告低分,因为此设置中的模型没有泛化,而不是因为模型参数错误