scikit-learn GridSearchCV best_score_ 是如何计算的？

Question

我一直试图弄清楚 GridSearchCV 的 best_score_ 参数是如何计算的（或者换句话说，它是什么意思）。 documentation 说：

在遗漏数据上的 best_estimator 得分。

所以，我试着把它翻译成我理解的东西，并计算了实际“y”的 r2_score 和每个 kfold 的预测 y - 并得到了不同的结果（使用这段代码）：

test_pred = np.zeros(y.shape) * np.nan 
for train_ind, test_ind in kfold:
    clf.best_estimator_.fit(X[train_ind, :], y[train_ind])
    test_pred[test_ind] = clf.best_estimator_.predict(X[test_ind])
r2_test = r2_score(y, test_pred)

我到处寻找对 best_score_ 更有意义的解释，但找不到任何东西。有人愿意解释一下吗？

谢谢

Answer 1

这是最佳估计器的平均交叉验证分数。让我们制作一些数据并修复交叉验证的数据划分。

>>> y = linspace(-5, 5, 200)
>>> X = (y + np.random.randn(200)).reshape(-1, 1)
>>> threefold = list(KFold(len(y)))

现在运行cross_val_score 和GridSearchCV，都使用这些固定折叠。

>>> cross_val_score(LinearRegression(), X, y, cv=threefold)
array([-0.86060164,  0.2035956 , -0.81309259])
>>> gs = GridSearchCV(LinearRegression(), {}, cv=threefold, verbose=3).fit(X, y) 
Fitting 3 folds for each of 1 candidates, totalling 3 fits
[CV]  ................................................................
[CV] ...................................... , score=-0.860602 -   0.0s
[Parallel(n_jobs=1)]: Done   1 jobs       | elapsed:    0.0s
[CV]  ................................................................
[CV] ....................................... , score=0.203596 -   0.0s
[CV]  ................................................................
[CV] ...................................... , score=-0.813093 -   0.0s
[Parallel(n_jobs=1)]: Done   3 out of   3 | elapsed:    0.0s finished

注意GridSearchCV 输出中的score=-0.860602、score=0.203596 和score=-0.813093；正是cross_val_score 返回的值。

请注意，“平均值”实际上是折叠的宏观平均值。 iid 参数 GridSearchCV 可用于获取样本的微平均值。