Kfold，cross_val_score：根据显示的数据（sklearn包装器）？

Question

我听不懂

的输出

kfold_results = cross_val_score(xg_cl, X_train, y_train, cv=kfold, scoring='roc_auc')

xgb.cv的输出很清晰-有训练和测试成绩：

[0] train-auc:0.927637+0.00405497   test-auc:0.788526+0.0152854
[1] train-auc:0.978419+0.0018253    test-auc:0.851634+0.0201297
[2] train-auc:0.985103+0.00191355   test-auc:0.86195+0.0164157
[3] train-auc:0.988391+0.000999448  test-auc:0.870363+0.0161025
[4] train-auc:0.991542+0.000756701  test-auc:0.881663+0.013579

但是Sk-learn包装器中cross_val_score的结果是模棱两可的：它是每次折叠后的得分列表，但是： -test_data或train_data的结果？

Answer 1

Kfold将数据从sklearn的folds数量中分离出来，数量为Changed in version 0.20: cv default value if None will change from 3-fold to 5-fold in v0.22.。因此，它将数据集分为5个子集（版本0.22的默认值），使用4作为训练，使用1作为验证。因此，输出为5个项目的数组，每个迭代1个。看起来像这样：