cross_val_score() в sklearn
Валидация моделей на Python
Kasey Jones
Data Scientist
cross_val_score()
from sklearn.model_selection import cross_val_score
from sklearn.ensemble import RandomForestClassifier
rfc = RandomForestClassifier()
estimator: используемая модель
X: набор признаков
y: массив целевых значений
cv: количество разбиений при кросс-валидации
cross_val_score(estimator=rfc, X=X, y=y, cv=5)
Использование scoring и make_scorer
Параметр scoring функции cross_val_score:
# Load the Methods
from sklearn.metrics import mean_absolute_error, make_scorer
# Create a scorer
mae_scorer = make_scorer(mean_absolute_error)
# Use the scorer
cross_val_score(<estimator>, <X>, <y>, cv=5, scoring=mae_scorer)
Загрузите все необходимые методы sklearn
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import cross_val_score
from sklearn.metrics import mean_squared_error, make_scorer
Создайте модель и метрику
rfc = RandomForestRegressor(n_estimators=20, max_depth=5, random_state=1111)
mse = make_scorer(mean_squared_error)
Запустите cross_val_score()
cv_results = cross_val_score(rfc, X, y, cv=5, scoring=mse)
Анализ результатов
print(cv_results)
[196.765, 108.563, 85.963, 222.594, 140.942]
Выведите среднее значение и стандартное отклонение:
print('The mean: {}'.format(cv_results.mean()))
print('The std: {}'.format(cv_results.std()))
The mean: 150.965
The std: 51.676
Давайте потренируемся!
Валидация моделей на Python
