sklearn.cross_validation和sklearn.model_estimation有什么区别？

Question

我想知道在运行Python代码进行线性回归时导入sklearn.model_estimation和sklearn.cross_validation之间的区别。

我发现sklearn.model_estimation调用了一个名为next(ShuffleSplit().split(X, y))的方法，而sklearn.cross_validation调用了一个名为next(iter(ShuffleSplit(n_samples)))的方法，但是我仍然不清楚什么之间有什么区别这两种方法实际上可以执行。

寻求帮助。

谢谢。

Answer 1

cross_validation是先前在scikit中使用的较旧的软件包。 model_selection是cross_validation（还有其他一些）的较新替代品。它在其中定义的类中有一些结构性更改。

因此cross_validation中出现了以前与model_selection中相同的类，但是其行为发生了变化（输入参数，输出类型，属性等）。

因此，您应始终使用model_selection中的类。