我可以在cross_val_predict和cross_validate一起使用scikit learn的cross_validate吗？

Question

我正在寻找一个可视化的我的交叉验证数据，在其中，我可以可视化预测发生在交叉验证过程。我正在使用scikit学习的cross_validate来获得我的贝叶斯岭模型的结果(scikit学习BayesianRidge)，但是我不确定我使用cross_val_predict的情节是否表达了相同的预测？我的计划是一对一的预测标签，发生在交叉验证与观察到的标签，模型的训练。我在cross_validate和cross_val_predict中都使用相同的折叠数。

基本上，我只想知道我用cross_val_predict制作的情节是否可以用cross_validate返回的性能指标来描述？

谢谢你的帮助

Answer 1

不，所用的褶皱(几乎可以肯定)是不同的。

通过定义CV Splitter对象并将其作为cv参数传递给两个交叉验证函数，您可以强制执行相同的折叠：

cv = KFold(5, random_state=42)
cross_validate(model, X, y, cv=cv, ...)
cross_val_predict(model, X, y, cv=cv, ...)

也就是说，通过这样做，你可以对每个折叠的模型进行两次拟合和预测。您可以在return_estimator=True中使用cross_validate检索每个折叠的拟合模型，或者使用cross_val_predict的预测来手动生成分数。(不管是哪种方式，您都需要使用拆分器对象来分割到正确的折叠，这可能有点挑剔。)