交叉验证后如何获得测试预测

Question

我的代码-

我已经以这种方式拆分了我的代码-

X_train, X_test, y_train, y_test = train_test_split(X_array, y_labels, test_size=0.25, random_state=42)

现在我进行交叉验证以查看训练有素的模型的性能-

scoring = 'accuracy'
val_acc_results = cross_val_score(rf,X_train,y_train, cv=10, scoring=scoring)

这将为我提供经过训练的布景的准确性。现在如何在测试数据集上评估学习的模型？因为cross_val_score没有返回模型对象？

Answer 1

您需要对全部训练数据运行估算器，cross_val_score仅返回分数。您现在要做：

rf.fit(X_train, y_train)
predictions = rf.predict(X_test)

然后要获得测试数据的准确性，请执行以下操作：

from sklearn import metrics
metrics.accuracy_score(y_test, predictions)