使用 cross_val_score() 的正确方法是什么答案

【问题标题】：What is the proper way to use cross_val_score()使用 cross_val_score() 的正确方法是什么
【发布时间】：2021-06-18 17:00:03
【问题描述】：

考虑这样的函数调用：cross_val_score(model, X, y, cv)。
在这个函数调用之前，我已经用DecisionTreeClassifier().fit()完成了一个模型的训练，我们称之为trained_model。

我有这些问题：

model: 我应该把什么传递给这个参数？ DecisionTreeClassifier()、DecisionTreeClassifier().fit() 或 trained_model？
当我构建trained_model 时，我为分类器设置了random_state 和train_test_split()。我应该在cross_val_score() 中设置random_state 吗？
X, y：这些参数应该传递什么？ X_train, y_train 或只是X, y？

目前我的cross_val_score() 电话是这样的：
scores_dtree_cv_kfold = cross_val_score(trained_model, X, y, cv=KFold(5)) 我不太确定自己在做什么。

任何人都可以判断我做得是否正确，我哪里错了，会发生什么？

【问题讨论】：

【解决方案1】：

交叉验证是一种测试（未拟合）模型及其参数的方法。
因此，该函数需要未拟合的模型，（例如，cross_val_score(DecisionTreeClassifier())）。

X, y 应该是整个数据，因为该函数会将它们分成 k 折叠。

【讨论】：