cross_validate和cross_val_score有什么区别？

Question

我理解cross_validate以及它是如何工作的，但是现在我对cross_val_score到底做了什么感到困惑。有人能给我举个例子吗？

Answer 1

cross_val_score是估值器和数据集上的辅助函数。

会用一个例子来解释：

>>> from sklearn.model_selection import cross_val_score
>>> clf = svm.SVC(kernel='linear', C=1)
>>> scores = cross_val_score(clf, iris.data, iris.target, cv=5)
>>> scores                                              
array([ 0.96...,  1.  ...,  0.96...,  0.96...,  1.        ])

此示例演示了如何通过分割数据、拟合模型和连续计算5次(每次不同的分割)来估计虹膜数据集上的线性核支持向量机的精度。

cross_validate函数在两方面与cross_val_score不同-

1. 它允许为评估指定多个指标。
2. 除了测试分数外，它还会返回一个包含训练分数、适应时间和分数的数据。

注意:当cv参数是整数时，cross_val_score默认使用KFold或StratifiedKFold策略，如果估计器从ClassifierMixin派生，则使用后者。

你可以通过这个链接来更好地理解

使用不同的示例使用cross_val_score，您可以了解其不同的实现。

Answer 2

1. cross_val_score：计算每一份简历的分数
2. cross_validate：计算每个简历分割的一个或多个分数和时间