grid.cv_results_中的mean_validation_score对应的功能是什么？

Question

在较早版本的scikit-learn中，我们通过[result.mean_validation_score for result in grid.grid_scores_]获得了交叉验证得分的平均值列表。但是从20.0 scikit-learn开始，我们将不再能够使用grid.grid_scores_。而是有grid.cv_results_。这是我的问题。 grid.cv_results_中以下哪个方法对应于我们从grid.grid_scores_获得的mean_validaton_score？

• mean_train_score
• mean_test_score

Answer 1

根据GridSearchCV文档（https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html），您必须将grid.cv_results_转换为Pandas DataFrame，然后可以自由访问 mean_train_score 和 mean_test_score < / em>数据：

import pandas as pd

cv_results = pd.DataFrame(grid.cv_results_)

print(cv_results['mean_train_score'])
print(cv_results['mean_test_score'])

第一个mean_train_score是您从训练倍数（ in-fold ）中获得的平均分数，mean_test_score是您从验证中获得的平均分数折叠（折叠纸）。

基本上，您只对mean_test_score感兴趣，可以对超参数的性能进行严格评估，但是mean_train_score可以帮助您确定模型使用某些参数拟合数据的程度，以及相对于测试数据有多少（例如，通过构建验证曲线图，请参见：https://scikit-learn.org/stable/modules/learning_curve.html）。