我正在开发一个数据挖掘项目，我在python中使用sklearn包来分类我的数据。
为了训练我的数据并评估预测值的质量，我使用 sklearn.cross_validation.cross_val_predict 函数。
但是，当我尝试在测试数据上运行我的模型时，它会询问基类，这些基类不可用。
我已经看过（可能）使用 sklearn.grid_search.GridSearchCV 函数解决方法，但我不愿意将这种方法用于一组固定的参数。
通过sklearn.cross_validation文档，我遇到了 cross_val_score 函数。由于我对分类问题的世界相当新，我不太确定这是否能解决我的问题。
任何帮助都会很棒！
编辑：
您好！我得到的印象是我对原始查询相当模糊。我会尝试详细说明我正在做的事情。这是：
我已经生成了3个numpy.ndarrays X，X_test和y，分别为nrows = 10158,22513和10158，它们对应于我的列车数据，测试数据和列车数据的类别标签。
此后，我运行以下代码：
from sklearn.svm import SVC
from sklearn.cross_validation import cross_val_predict
clf = SVC()
testPred = cross_val_predict(clf,X,y,cv=2)
这很好用，然后我可以使用教程中提到的stemPred和y。
但是，我希望预测X_test的类。错误信息是不言自明的，并说：
ValueError: Found arrays with inconsistent numbers of samples: [10158 22513]
当前的解决方法（我不知道这是一种解决方法还是唯一的方法）我使用的是：
from sklearn import grid_search
# thereafter I create the parameter grid (grid) and appropriate scoring function (scorer)
model = grid_search.GridSearchCV(estimator = clf, param_grid = grid, scoring = scorer, refit = True, cv = 2, n_jobs = -1)
model.fit(X,y)
model.best_estimator_.fit(X,y)
testPred = model.best_estimator_.predict(X_test)
这项技术适用于暂时的工作;但是，如果我不必使用 GridSearchCV 功能，我就能睡得更好。
答案 0 :(得分：0)
假设您有一个具有给定方案的分类器。然后，您可以对某些数据进行训练，并预测（通常是其他）数据。这很简单，看起来像这样。
首先，我们构建预测器并使其适合。
from sklearn import svm, grid_search, datasets
from sklearn.cross_validation import train_test_split
iris = datasets.load_iris()
clf = svm.SVC()
train_x, test_x, train_y, test_y = train_test_split(iris.data, iris.target)
>> clf.fit(train_x, train_y)
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0, degree=3, gamma=0.0, kernel='rbf', max_iter=-1, probability=False, random_state=None, shrinking=True, tol=0.001, verbose=False)
现在它已完全构建，您可以使用它进行预测。
>> clf.predict(test_x)
array([1, 0, 0, 2, 0, 1, 1, 1, 0, 2, 2, 0, 1, 0, 1, 0, 0, 1, 1, 1, 1, 2, 0,
1, 0, 2, 0, 2, 1, 2, 1, 2, 2, 2, 1, 0, 0, 0])
就这么简单。
这里发生了什么？
分类器有一个完全指定的方案 - 它只需要调整其参数
分类器根据列车数据调整其参数
分类器已准备好预测
在许多情况下，分类器有一个需要使用参数进行调整的方案，但它也有元参数。一个示例是分类器的degree参数。
你应该如何调整它们？有很多方法。
唐＆＃39;吨。只需坚持默认值（这就是我的例子所做的）
使用某种形式的交叉验证（例如，网格搜索）
使用某种复杂程度，例如AIC，BIC等。
因此，重要的是不要混淆这些事情。交叉验证不是获取测试数据预测器的一些技巧。具有默认参数的预测器已经可以这样做。交叉验证用于调整元参数。选择它们后，您可以调整参数。然后你有一个不同的预测器。