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

时间:2018-07-03 08:31:41

标签: python machine-learning scikit-learn

我想知道在运行Python代码进行线性回归时导入sklearn.model_estimationsklearn.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。

1 个答案:

答案 0 :(得分:0)

cross_validation是先前在scikit中使用的较旧的软件包。 model_selectioncross_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。