Question

我正在尝试构建回归模型，验证并测试它，并确保它不会过度拟合数据。到目前为止，这是我的代码：

from pandas import read_csv
from sklearn.neural_network import MLPRegressor
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import train_test_split, cross_val_score, validation_curve
import numpy as np
import matplotlib.pyplot as plt

data = np.array(read_csv('timeseries_8_2.csv', index_col=0))

inputs = data[:, :8]
targets = data[:, 8:]

x_train, x_test, y_train, y_test = train_test_split(
    inputs, targets, test_size=0.1, random_state=2)

rate1 = 0.005
rate2 = 0.1

mlpr = MLPRegressor(hidden_layer_sizes=(12,10), max_iter=700, learning_rate_init=rate1)

# trained = mlpr.fit(x_train, y_train)  # should I fit before cross val?
# predicted = mlpr.predict(x_test)      

scores = cross_val_score(mlpr, inputs, targets, cv=5)
print(scores)

Scores打印出一个包含5个数字的数组，其中第一个数字通常在0.91左右，并且始终是数组中的最大数字。我在弄清楚如何处理这些数字时遇到了一些麻烦。因此，如果第一个数字是最大数字，那么这是否意味着在第一次交叉验证尝试中，模型得分最高，然后分数降低，因为它一直试图交叉验证？

另外，在调用交叉验证功能之前，我是否应该对数据进行训练？我试着将它评论出来，它给了我或多或少相同的结果。

Answer 1

交叉验证功能执行模型拟合作为操作的一部分，因此您无需手动执行任何操作：

以下示例演示了如何通过分割数据，拟合模型并连续5次计算得分（每次使用不同的分割）来估计线性内核支持向量机对虹膜数据集的准确性：

http://scikit-learn.org/stable/modules/cross_validation.html#computing-cross-validated-metrics

是的，返回的数字反映了多次运行：

返回：每次交叉验证运行的估算器得分数组。

http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.cross_val_score.html#sklearn.model_selection.cross_val_score

最后，没有理由期望第一个结果是最大的：

from sklearn.model_selection import cross_val_score
from sklearn import datasets
from sklearn.neural_network import MLPRegressor
boston = datasets.load_boston()
est = MLPRegressor(hidden_layer_sizes=(120,100), max_iter=700, learning_rate_init=0.0001)
cross_val_score(est, boston.data, boston.target, cv=5)

# Output
array([-0.5611023 , -0.48681641, -0.23720267, -0.19525727, -4.23935449])

scikit-learn回归验证得分

1 个答案: