Question

我让他跟随代码在SkLearn中运行10倍交叉验证：

cv = model_selection.KFold(n_splits=10, shuffle=True, random_state=0)
scores = model_selection.cross_val_score(MyEstimator(), x_data, y_data, cv=cv, scoring='mean_squared_error') * -1

出于调试目的，当我尝试使MyEstimator工作时，我想只运行这个交叉验证的一个折叠，而不是全部10.有一个简单的方法来保留这些代码，但只是说运行先折叠然后退出？

我仍然希望将这些数据分成10个部分，但只有10个部分的一个组合适合并得分，而不是10个组合。

Answer 1

不，我认为不是cross_val_score。您可以将n_splits设置为最小值2，但仍然是50:50的火车分割，您可能不需要测试。

如果您希望保持90:10的比例并测试代码的其他部分，例如MyEstimator()，那么您可以使用解决方法。

您可以使用KFold.split()获取第一组训练和测试索引，然后在第一次迭代后中断循环。

cv = model_selection.KFold(n_splits=10, shuffle=True, random_state=0)
for train_index, test_index in cv.split(x_data):
    print("TRAIN:", train_index, "TEST:", test_index)
    X_train, X_test = x_data[train_index], x_data[test_index]
    y_train, y_test = y_data[train_index], y_data[test_index]
    break

现在使用此X_train，y_train训练估算器和X_test，y_test对其进行评分。

而不是：

scores = model_selection.cross_val_score(MyEstimator(), 
                                         x_data, y_data, 
                                         cv=cv, 
                                         scoring='mean_squared_error')

您的代码变为：

myEstimator_fitted = MyEstimator().fit(X_train, y_train)
y_pred = myEstimator_fitted.predict(X_test)

from sklearn.metrics import mean_squared_error

# I am appending to a scores list object, because that will be output of cross_val_score.
scores = []
scores.append(mean_squared_error(y_test, y_pred))

请放心，cross_val_score将仅在内部执行此操作，只是对并行处理进行一些增强。

如何在sklearn中只运行一次交叉验证？

1 个答案: