Scikit learn 如何使用cross_val_predict来预测新数据集的概率？

我使用sklearn的cross_val_predict进行如下训练：

  myprobs_train = cross_val_predict(LogisticRegression(),X = x_old, y=y_old, method='predict_proba', cv=10)

我对返回的概率很满意，现在想为一个全新的数据集打分。我试过：

  myprobs_test = cross_val_predict(LogisticRegression(), X =x_new, y= None, method='predict_proba',cv=10)

但这不起作用，它抱怨y的形状为零。这是否意味着无法将cross_val_predict中经过训练和交叉验证的模型应用于新数据？还是我用错了

---

谢谢大家!

您正在使用错误的方法。交叉验证方法不会返回经过训练的模型；它们返回评估模型性能的值（在您的案例中为逻辑回归）。您的目标是拟合一些数据，然后为新数据生成预测。相关的方法是和的。以下是基本结构：

logreg = linear_model.LogisticRegression()
logreg.fit(x_old, y_old)
predictions = logreg.predict(x_new)

---

我和@user3490622有同样的担忧。如果我们只能在训练集和测试集上使用cross_val_predict，为什么y（target）是None作为默认值？（）

---

为了部分实现多重预测概率的预期结果，可以重复使用拟合-预测方法来模拟交叉验证

是的，它出错并不奇怪，因为在第二次运行中没有包含任何y值。你想做一些样本外的预测吗？cross_val_predict可能不是最好的，因为它不允许您分两步进行拟合和预测