Python 如何以更好的优化方式计算cross_val_score（）的平均值？

为了便于培训，我使用了一个由13个特征和304行组成的示例数据。我正在尝试评估我使用的RandomForestClassifier（）的分数。为了使分数预测更精确，我将cross_val_score（）的所有结果添加到一个列表中，并得到该列表中数字的平均值。我还使用计时器来查看运行它需要多长时间。 下面是代码的cross_val_score（）部分：

start = time.time()
big_mean = list()
i = 0
while i < 100:
    score = np.mean(cross_val_score(RFC,X,y,cv=5))
    big_mean.append(score)
    i += 1
print(sum(big_mean)/len(big_mean))
end = time.time()
print("Timer: ",end - start)

---

我觉得代码优化得很差。如果有更多的数据，它甚至需要超过75秒。什么样的更改会使这成为一个更好的优化代码？

如果使用for循环，您将能够使它更快一些。除此之外，我不认为你可以优化它更多。问题仍然在O（n）类中。我认为消耗时间的主要事情是计算交叉验证分数和交叉验证分数（RFC，X，y，cv=5），这是你无论如何都无法改变的。考虑到所需的循环/计算量很低，所有其他迭代/计算几乎不需要任何时间。谢谢。我多次运行交叉验证以获得更精确的分数是否有意义？@cagatay.e.sahin多次运行交叉验证可能对稳定性较差的模型有意义。看看

big\u的意思

并根据需要更改

i

。

0.8210316939890709
Timer:  75.11970710754395