Python sklearn中K-折叠交叉验证中每个折叠的预测值

我使用python sklearn对数据集执行了10次交叉验证

result = cross_val_score(best_svr, X, y, cv=10, scoring='r2')
print(result.mean())

---

我已经能够得到r2分数的平均值作为最终结果。我想知道是否有办法打印出每个折叠的预测值（在本例中为10组值）。

我相信您正在寻找函数。

要打印每个折叠的预测

for k in range(2,10):
    result = cross_val_score(best_svr, X, y, cv=k, scoring='r2')
    print(k, result.mean())
    y_pred = cross_val_predict(best_svr, X, y, cv=k)
    print(y_pred)

---

一个迟来的答案，只是为了添加到@jh314，

cross\u val\u predict

确实返回了所有预测，但我们不知道每个预测属于哪个层次。为此，我们需要提供折叠，而不是整数：

import seaborn as sns
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import cross_val_predict, StratifiedKFold 

iris = sns.load_dataset('iris')
X=iris.iloc[:,:4]
y=(iris['species'] == "versicolor").astype('int')

rfc = RandomForestClassifier()
skf = StratifiedKFold(n_splits=10,random_state=111,shuffle=True)

pred = cross_val_predict(rfc, X, y, cv=skf)

现在我们迭代Kfold对象，并得出对应于每个褶皱的预测：

fold_pred = [pred[j] for i, j in skf.split(X,y)]
fold_pred

[array([0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 1, 1, 0, 0, 0]),
 array([0, 0, 0, 1, 1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0]),
 array([0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 1]),
 array([0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0]),
 array([0, 0, 0, 0, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0]),
 array([0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 1, 0, 0, 0]),
 array([0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0]),
 array([0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0]),
 array([0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 0]),
 array([0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 0])]

---

对谢谢我想知道我是否能分别打印出每个褶皱的结果。我知道它对所有褶皱都有预测。我想知道是否有一种方法可以分别打印每个折叠的结果。例如，第一次折叠：{……}，第二次折叠：{……}……等等。这执行与

print（result）

相同的功能。我想为每一个单独打印它们fold@KrishiH

result

给出分数，而

y\u pred

给出预测。请查查。我想你不明白我的问题

y_pred

返回所有预测。我想分别打印每个折叠的预测。@KrishiH将

cv

作为参数添加到

cross\u val\u predict

中，给出预测。谢谢好办法！我可以知道在这种情况下，是否可以提取错误分类或分类实例的真实索引？我找不到这个问题的答案！是否可以使用kfold.split（X，y，groups=None）？或者任何类似示例索引之类的解决方法？请看一下这个问题。。。