Python 交叉验证后，让scikit对所有培训数据进行学习培训

我正在使用scikit学习训练分类器。我还想做交叉验证，但在交叉验证之后，我想对整个数据集进行培训。我发现cross_validation.cross_val_score（）只返回分数

---

编辑：我想用我所有的数据来训练交叉验证分数最好的分类器。

只需计算交叉验证分数，然后训练你的模型。这些是独立的步骤：

>>> scores = cross_val_score(model, X_train, y_train, cv=5)
>>> model.fit(X_train, y_train)

---

我的建议是不要使用性能最好的交叉验证拆分。这可能会给你带来高偏见的问题。毕竟，性能恰巧是好的，因为测试时使用的折叠恰好与训练时使用的数据相匹配。当你把它推广到现实世界时，这可能不会发生

我从Andrew Ng那里得到的一个策略是拥有一辆火车、DEV和测试套件。我首先将您的数据集拆分为测试和训练集。然后在训练集上使用交叉折叠验证，有效地将训练集分为训练集和开发集。进行交叉验证以验证您的模型，并存储精度、召回率和其他指标以构建ROC曲线。求平均值并报告这些值。您还可以使用您的dev集调优超参数

---

接下来，用整个训练集训练模型，然后用你的保持测试集验证模型。

只是为了澄清-你想用你所有的数据训练交叉验证得分最好的分类器，对吗？这似乎很奇怪，交叉验证的目的是避免过拟合，在验证数据上运行哪种方法更容易呢？@Greg这实际上是正确的。