小啾在测试中发现,cross_val_score()的cv参数,
该参数在源码中默认值为None,但是在实际使用时,默认值为5,默认效果为K-Fold交叉验证(K即cv)。
即默认将数据分成大小相同的K份,即5个子集,
从中随机选择4个作为训练集,另1个是测试集。该过程重复进行,所以共有5个组合。
即验证后得到一个装有5个元素的一维数组。
以检验准确率为例:
对比以下代码及其输出结果:
不设cv
scores = cross_val_score(estimator, X, y, scoring='accuracy') print(scores, 'n', len(scores))
cv=5
scores = cross_val_score(estimator, X, y, scoring='accuracy', cv=5) print(scores, 'n', len(scores))
cv=3
scores = cross_val_score(estimator, X, y, scoring='accuracy', cv=3) print(scores, 'n', len(scores))
虽然照此法代码能使用,但是小啾不明白其原因,对此各位大佬怎么看?