Scikit 学习管道：调用 .fit() 和 .score() 与 cross_val_score()答案

【问题标题】：Scikit Learn Pipeline: Calling .fit() and .score() vs cross_val_score()Scikit 学习管道：调用 .fit() 和 .score() 与 cross_val_score()
【发布时间】：2021-10-12 02:57:45
【问题描述】：

假设我们有以下管道：

example_pipe = Pipeline(steps=[
    ('scaler', StandardScaler()),
    ('selector', SelectKBest(k=len(X.columns)-5)),
    ('classifier', KNeighborsClassifier())
])

现在我们想通过以下方式获得管道的性能：

# 1)
cross_val_score(example_pipe, X, y, cv=5, scoring='accuracy').mean()

# 2)
example_pipe.fit(X_train, y_train)
example_pipe.score(X_test, y_test)

就我们获得的分数而言，第一个与第二个有何不同（当然除了它进行交叉验证）？在使用cross_val_score()之前，我们是否必须调用example_pipe.fit()。

我在文档中找到了以下方法，但有点令人困惑，因为我认为调用.fit() 已经意味着调用.transform()。

fit(X[, y]) --> 拟合模型

fit_predict(X[, y]) --> 应用管道中最后一步的 fit_predict 转换后。

fit_transform(X[, y]) --> 拟合模型并用最终变换估计器

score(X[, y, sample_weight]) --> 应用变换，并使用最终估计器

【问题讨论】：

标签： python scikit-learn pipeline

【解决方案1】：

在使用 cross_val_score() 之前我们必须调用 example_pipe.fit() 吗？

如果你去Scikit-Learn Documentation，你会找到答案：

cross_val_score首先适合你的example_pipe，然后得到交叉验证的分数。

【讨论】：