对测试数据集使用 cross_val_predict答案

【问题标题】：Using cross_val_predict against test data set对测试数据集使用 cross_val_predict
【发布时间】：2017-05-24 10:21:51
【问题描述】：

我对在测试数据集中使用 cross cross_val_predict 感到困惑。

我创建了一个简单的随机森林模型并使用 cross_val_predict 进行预测

from sklearn.ensemble import RandomForestClassifier
from sklearn.cross_validation import cross_val_predict, KFold

lr = RandomForestClassifier(random_state=1, class_weight="balanced", n_estimators=25, max_depth=6)
kf = KFold(train_df.shape[0], random_state=1)
predictions = cross_val_predict(lr,train_df[features_columns], train_df["target"], cv=kf)
predictions = pd.Series(predictions)

我对下一步感到困惑，我如何使用上面学到的知识对测试数据集进行预测？

【问题讨论】：

你必须先fit你的模型，然后你可以打电话给predict。

标签： python machine-learning scikit-learn data-science

【解决方案1】：

正如@DmitryPolonskiy 评论的那样，模型必须经过训练（使用fit 方法）才能用于predict。

# Train the model (a.k.a. `fit` training data to it).
lr.fit(train_df[features_columns], train_df["target"])
# Use the model to make predictions based on testing data.
y_pred = lr.predict(test_df[feature_columns])
# Compare the predicted y values to actual y values.
accuracy = (y_pred == test_df["target"]).mean()

cross_val_predict 是一种交叉验证方法，可让您确定模型的准确性。看看sklearn's cross-validation page。

【讨论】：

【解决方案2】：

我不认为 cross_val_score 或 cross_val_predict 在预测之前使用 fit。它是即时执行的。如果您查看documentation (section 3.1.1.1)，您会发现他们从未提及适合任何地方。

【讨论】：