scikit 学习交叉验证时使用了多少个 epoch？答案

【问题标题】：How many epochs does scikit learn use when cross validating?scikit 学习交叉验证时使用了多少个 epoch？
【发布时间】：2021-03-03 00:03:36
【问题描述】：

我正在使用 scikit 在时间序列数据中进行模型交叉验证，其中使用 Keras 训练了多层感知器。（感谢 keras 包装器，我们可以使用 scikit learn 中的 cross_val_score）。

基本使用：

cross_val_score from scikit learn
from sklearn.model_selection import TimeSeriesSplit

问题是我不知道它在每次训练中使用了多少个 epoch。

让我用一个例子来解释。假设 X_train 有 1779 行，我们使用的是 tscv=TimeSeriesSplit(n_splits=15)。

我们执行：

cross_val_score(model,X_train,y_train,scoring='neg_mean_squared_error',cv=tscv)

在计算这一行时，它会显示如下内容：

那么每个分割的训练使用了多少个 epoch？通过训练每个拆分，我的意思是 114/114 将是一个拆分，225/225 将是第二个拆分，等等。它是否只使用 epoch=1，因为它训练得太快了？这是可配置的吗？

【问题讨论】：

【解决方案1】：

我假设 epoch 的数量由您使用的model的默认值定义。通常，您可以在 keras 模型中配置该步骤，例如：

model.fit(x, y, batch_size=32, epochs=10)

行内：

cross_val_score(model,X_train,y_train,scoring='neg_mean_squared_error',cv=tscv)

你不能直接改变它，因为cross_val_score没有这个选项，你可以在文档中看到：

为了更好地了解您的模型设置，您可以向我们提供更多代码。

【讨论】：

你是对的。不过，唯一可以确定的方法是在 KerasRegressor 和 GridSearchCV 中使用 verbose=2，因为这样您实际上会在运行时看到纪元。