Python sklearn-LassoCV如何执行交叉验证？

我想知道sklearn.LassoCV如何执行交叉验证。我特别想知道样品是如何在褶皱中细分的。这是一个随机的还是确定性的过程

假设我有100个样本，我用10个折叠交叉验证，并考虑将每个样本发送到其折叠的函数。

F（1:10）=1，F（11:20）=2，。。。或者它是一个随机过程（例如F（1）=8，F（2）=7…）

如果问题不清楚，请告诉我

谢谢：）

好的，这就是解决方案：

from sklearn.linear_model import LassoCV
from sklearn.cross_validation import KFold

kf=KFold(len(y),n_folds=10,shuffle=True)
cv=LassoCV(cv=kf).fit(x,y)

---

我假设您正在将关键字arg

cv=10

传递给

LassoCV

构造函数

如果是这种情况，那么这将创建一个具有10个折叠的

KFold

对象：查看

check\u cv

在

LinearModelCV

（

LassoCV

的父对象）中调用的位置

KFold

接受一个

random\u-state

关键字参数（默认为None–因此

numpy.random

将尝试在

/dev/uradom

或类似的东西上播种）-但是如果shuffle是

False

（默认为），那么

random\u-state

实际上不会做任何事情。折叠是从数据集中的相邻成员中选择的

如果要随机化折叠，应使用

shuffle=True

创建一个

KFold

对象，并将该对象用作

cv

关键字参数，而不是

10

资料来源：

---

我假设您正在将关键字arg

cv=10

传递给

LassoCV

构造函数

如果是这种情况，那么这将创建一个具有10个折叠的

KFold

对象：查看

check\u cv

在

LinearModelCV

（

LassoCV

的父对象）中调用的位置

KFold

接受一个

random\u-state

关键字参数（默认为None–因此

numpy.random

将尝试在

/dev/uradom

或类似的东西上播种）-但是如果shuffle是

False

（默认为），那么

random\u-state

实际上不会做任何事情。折叠是从数据集中的相邻成员中选择的

如果要随机化折叠，应使用

shuffle=True

创建一个

KFold

对象，并将该对象用作

cv

关键字参数，而不是

10

资料来源：

---

我假设您正在将关键字arg

cv=10

传递给

LassoCV

构造函数

如果是这种情况，那么这将创建一个具有10个折叠的

KFold

对象：查看

check\u cv

在

LinearModelCV

（

LassoCV

的父对象）中调用的位置

KFold

接受一个

random\u-state

关键字参数（默认为None–因此

numpy.random

将尝试在

/dev/uradom

或类似的东西上播种）-但是如果shuffle是

False

（默认为），那么

random\u-state

实际上不会做任何事情。折叠是从数据集中的相邻成员中选择的

如果要随机化折叠，应使用

shuffle=True

创建一个

KFold

对象，并将该对象用作

cv

关键字参数，而不是

10

资料来源：

---

我假设您正在将关键字arg

cv=10

传递给

LassoCV

构造函数

如果是这种情况，那么这将创建一个具有10个折叠的

KFold

对象：查看

check\u cv

在

LinearModelCV

（

LassoCV

的父对象）中调用的位置

KFold

接受一个

random\u-state

关键字参数（默认为None–因此

numpy.random

将尝试在

/dev/uradom

或类似的东西上播种）-但是如果shuffle是

False

（默认为），那么

random\u-state

实际上不会做任何事情。折叠是从数据集中的相邻成员中选择的

如果要随机化折叠，应使用

shuffle=True

创建一个

KFold

对象，并将该对象用作

cv

关键字参数，而不是

10

资料来源：