我正在尝试使用SciKit-Learn执行我的第一个KNN分类器 . 我一直在关注用户指南和其他在线示例,但有一些我不确定的事情 . 对于这篇文章,我们使用以下内容
X =数据Y =目标
1)在我读过的机器学习页面的大多数介绍中,它似乎都说你想要一个训练集,一个验证集和一个测试集 . 根据我的理解,交叉验证允许您组合训练和验证集来训练模型,然后您应该在测试集上测试它以获得分数 . 但是,我在论文中看到,在很多情况下,您只需对整个数据集进行交叉验证,然后将CV分数报告为准确度 . 我理解在一个理想的世界中你会想要测试单独的数据,但如果这是合法的,我想在我的整个数据集上交叉验证并报告这些分数
2)开始这个过程
我将KNN分类器定义如下
knn = KNeighborsClassifier(algorithm = 'brute')
我使用搜索最好的n_neighbors
clf = GridSearchCV(knn, parameters, cv=5)
现在,如果我说
clf.fit(X,Y)
我可以使用检查最佳参数
clf.best_params_
然后我就能得分
clf.score(X,Y)
但是 - 据我所知,这还没有交叉验证模型,因为它只给出1分?
如果我看到clf.best_params_ = 14现在我可以继续
knn2 = KNeighborsClassifier(n_neighbors = 14, algorithm='brute')
cross_val_score(knn2, X, Y, cv=5)
现在我知道数据已经过交叉验证但是我不知道使用clf.fit找到最佳参数然后使用cross_val_score和新的knn模型是否合法?
3)我理解这样做的“正确”方法如下
拆分为X_train,X_test,Y_train,Y_test,比例训练集 - >将变换应用于测试集
knn = KNeighborsClassifier(algorithm = 'brute')
clf = GridSearchCV(knn, parameters, cv=5)
clf.fit(X_train,Y_train)
clf.best_params_
然后我就能得分
clf.score(X_test,Y_test)
在这种情况下,使用最佳参数计算得分吗?
我希望这是有道理的 . 我一直试图尽可能多地发现,但我已经到了我认为更容易得到一些直接答案的地步 .
在我的脑海中,我试图使用整个数据集获得一些交叉验证的分数,但也使用gridsearch(或类似的东西)来微调参数 .
提前致谢
1 回答
是的,您可以在整个数据集上进行简历,但是我仍然建议您至少将数据拆分为2组,一组用于CV,另一组用于测试 .
.score
函数应该根据documentation返回单个float
值,这是best estimator
的分数(这是你从GridSearchCV
得到的最佳得分估算值)给定的X,Y如果你看到最佳参数是14而不是是你可以在你的模型中使用它,但如果你给它更多参数,你应该设置所有参数 . ( - 我之所以这么说,因为你没有给出你的参数列表)是的,再次检查你的简历是合理的,以防这个模型是否应该如此好 .
希望能让事情更清晰:)