我正在使用cross_val_score来计算回归量的平均得分。这是一个小片段。
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_val_score
cross_val_score(LinearRegression(), X, y_reg, cv = 5)
使用这个我得到一系列分数。我想知道验证集上的分数（如上面数组中的返回值）与训练集上的分数有何不同，以了解我的模型是否过度拟合或不合适。
有没有办法用cross_val_score对象执行此操作？
答案 0 :(得分：4)
您可以使用checkInternetConnection代替cross_validate
根据{{3}}：
cross_val_score功能在两个方面与cross_validate不同 -
- 它允许指定多个评估指标。
- 除测试分数外，它还会返回包含训练分数，适合次数和分数次数的字典。
答案 1 :(得分：-2)
你为什么要这样？ cross_val_score(cv=5)会为您做到这一点，因为它会将您的列车数据拆分10次并验证5个测试子集的准确度得分。这种方法已经成为防止模型过度拟合的一种方法。
无论如何，如果您渴望验证验证数据的准确性，那么您必须首先在 X 和 y_reg 上使用LinearRegression。