【发布时间】：2019-12-21 10:56:00
【问题描述】：
我的问题是理论上的，而不是技术性的，因此我不会在此处发布我的代码，因为代码可在 sklearn 网站本身获得。
我构建了一个分类器，并使用 sklearn 进行了 5 折交叉验证。在我的代码中，我正在计算每个折叠中的各种准确度参数，如灵敏度、特异性、f1 分数等。经过 5 次交叉验证，对折叠完成后的所有准确度参数进行平均。
最后，我的脚本创建了一条 ROC 曲线以及其他精度参数的 AUC 分数和直方图，并生成了一个 HTML 报告文件。
交叉验证意味着内部测试，但是当我使用外部测试数据集时就会开始混淆。
我的问题是我应该如何预测外部数据集，这在下面的方法中是正确的。
交叉验证后，保存每个折叠的平均参数的模型，并使用该模型预测外部测试集并计算评估报告。如果是这种情况，我该怎么做？你能告诉我在 n 折交叉验证后帮助我保存模型的示例代码吗？
使用整个数据集构建模型，保存模型以预测外部测试集并计算评估报告。如果这是正确的方法，谢谢我知道代码。
还有没有遗漏的方法，请分享。
谢谢。
【问题讨论】：
标签： machine-learning keras scikit-learn