Python 机器学习中如何利用交叉评分进行预测

在我的课程中，我学会了如何使用交叉验证来提高模型的准确性，在训练中，一切看起来都很漂亮。但是，当我在培训中进行实践时，我发现我无法使用经过交叉验证培训的模型，请遵循我的代码：

X = array[:,0:8]
Y = array[:,8]


num_folds = 10
seed = 7


kfold = KFold(num_folds, True, random_state = seed)


modelo = LogisticRegression()


resultado = cross_val_score(modelo, X, Y, cv = kfold)


print("Acurácia: %.3f" % (resultado.mean() * 100))

在这种交叉验证逻辑中，我如何使用在测试数据中训练的模型

我正在尝试类似于

modelo.predict（X_测试）

的东西，但没有成功

---

有人能帮我吗？

在使用

.predict

功能之前，您需要将模型与数据相匹配。我相信您正在使用scikit learn，因此：

clf = LogisticRegression()
clf = clf.fit(X, y)
clf.predict(X[:2, :])

---

从

中，这是针对没有交叉验证的培训，您无法使用交叉验证分数进行预测，因为要预测，您需要先适应。您可能会考虑通过CV学习最佳参数并返回合适的模型。