首页 文章

在scikits中使用cross_val_score时保留拟合参数

提问于
浏览 次
1

我正在尝试使用scikits-学习使用Ridge回归拟合线性模型 . 我想做的是使用交叉验证来拟合许多不同的模型，然后查看参数系数，看看它们在不同的CV分裂中的稳定性 . （或者也许将它们全部平均在一起） .

当我尝试使用交叉验证例程来拟合模型时（例如，使用KFold实例和cross_val_score函数），我会找回每个CV分割的分数列表，但是我没有得到拟合系数在每次拆分时计算的值 . 我有办法访问这些信息吗？它显然是在每次迭代时计算的，所以我认为必须有一种方法来报告这个，但我无法弄清楚...

编辑：澄清一下，我不是在寻找我在拟合中指定的参数（例如，alpha值），我正在寻找回归中的拟合系数值 .

python numpy machine-learning scipy scikit-learn

1 回答

  • 1
    clf = linear_model.RidgeCV(...) # your own parameters setting
param = clf.get_params(deep=True)

    有关详细信息，请参阅document .

    要获得权重向量系数，请使用 clf.coef_ . 此外， cv_values_ 和 alpha_ 是 clf 的另外两个属性，分别返回MSE和估计的正则化参数 .

    回复于

相关问题