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。
答案 0 :(得分:0)
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。