Python Scikit学习：对训练数据执行交叉验证，然后在测试数据上拟合模型_Python_Scikit Learn_Cross Validation

Python Scikit学习：对训练数据执行交叉验证，然后在测试数据上拟合模型

python scikit-learn

Python Scikit学习：对训练数据执行交叉验证，然后在测试数据上拟合模型,python,scikit-learn,cross-validation,Python,Scikit Learn,Cross Validation,我希望对训练数据执行n倍交叉验证方法，然后在测试子集上用优化参数拟合模型 from sklearn.model_selection import train_test_split from sklearn import datasets from sklearn import linear_model from sklearn.model_selection import cross_val_score from sklearn.model_selection import TimeSeries

我希望对训练数据执行n倍交叉验证方法，然后在测试子集上用优化参数拟合模型

from sklearn.model_selection import train_test_split
from sklearn import datasets
from sklearn import linear_model
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import TimeSeriesSplit

iris = datasets.load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, 
                                                        random_state=1234)

lm = linear_model.LinearRegression() 
cv = TimeSeriesSplit(n_splits=10).split(y_train) # [Question: 1]
cv_score = cross_val_score(lm, X_train, y_train, cv=cv, scoring="r2")

我的问题是：

[问题：1]假设这是逻辑回归，对吗如果我想解释类不平等（检查代码的第12行）
[问题：2]如何根据X\u检验数据的
```
交叉值
```
拟合模型，以预测y\u检验数据

[问题：1]假设这是逻辑回归，对吗如果我想解释类不平等（检查代码的第12行）

[问题：2]如何根据X\u检验数据的
```
交叉值
```
拟合模型，以预测y\u检验数据

您将需要GridSearch。然后可以检索最佳模型并将其用于测试集。

from sklearn import svm, datasets
from sklearn.model_selection import GridSearchCV
iris = datasets.load_iris()
parameters = {'kernel':('linear', 'rbf'), 'C':[1, 10]}
svc = svm.SVC(gamma="scale")
clf = GridSearchCV(svc, parameters, cv=5)
clf.fit(iris.data, iris.target)

y_test = clf.best_estimator_.predict(X_test)