Question

我有以下代码

tree = DecisionTreeClassifier(max_depth=4, random_state=0)
trainPrediction=tree.predict(trainData)
score=cross_val_score(tree, trainData, trainPrediction)

使用上面的代码，我得到的分数看起来像这样：

[0.96052632 0.93421053 0.89473684 0.94736842 0.92      ]

我期望分数只是一个数字，而不是数组。我如何阅读此代码，哪个代码将被视为得分？

我尝试过的其他一些分类器（例如SVM）具有score(...)函数，效果很好。 Decisiontree分类器似乎也具有此功能，但是当我尝试使用它时出现错误：

trainScore=score(trainData, trainPrediction)

我得到的错误是：TypeError: 'numpy.float64' object is not callable

文档显示了这个score(X, y[, sample_weight])，但我猜我不太明白

我之所以使用cross_val_score(...)是因为他们在DecisionTree的文档中使用了它： https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html

注意

我还尝试使用：precision_score（...），如本例所示：

Accuracy score of a Decision Tree Classifier

但这不起作用，因为此函数不属于此分类器

Answer 1

sklearn.model_selection.cross_val_score为您提供通过交叉验证评估的分数，这意味着它使用K折交叉验证来拟合和使用输入数据进行预测。因此，结果是每个折叠产生的k个分数数组。您有一个5值数组，因为cv默认为该值，但您可以将其修改为其他值。

以下是使用虹膜数据集的示例：

from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.datasets import load_iris

X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y)

tree = DecisionTreeClassifier(max_depth=4, random_state=0)
cls = tree.fit(X_train, y_train)
y_pred = cls.predict(X_test)

现在使用默认设置：

score = cross_val_score(cls, X_test, y_test)
score
# array([1., 1., 1., 1., 1.])

或三折：

score = cross_val_score(cls, X_test, y_test, cv=3)
score
# array([1., 1., 1.])

还请注意，cross_val_score期望X和目标变量来尝试预测，而不是预测值。因此，您应该将其喂入X_test和y_test。

为什么cross_val_score返回几个分数？

1 个答案: