在sklearn中进行了10折交叉验证后如何运行SVC分类器？

Question

我是机器学习的新手，希望能得到以下方面的帮助：

我在我的数据上运行了一个支持向量机分类器（SVC），使用10折交叉验证计算了准确率分数（约为89%）。我使用Python和scikit-learn来执行此任务。以下是代码片段：

def get_scores(features,target,classifier):
  X_train, X_test, y_train, y_test =train_test_split(features, target , 
    test_size=0.3)
    scores = cross_val_score(
    classifier,
    X_train,
    y_train,
    cv=10,
    scoring='accuracy',
    n_jobs=-1)
 return(scores)

get_scores(features_from_df,target_from_df,svm.SVC())

现在，我如何使用我的分类器（在运行10折交叉验证后）对X_test进行测试，并将预测结果与y_test进行比较？正如您所注意到的那样，在交叉验证过程中，我只使用了X_train和y_train。

我注意到sklearn有cross_val_predict：http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.cross_val_predict.html 我应该用cross_val_predict替换我的cross_val_score吗？仅供参考：我的目标数据列已经二值化（具有0和1的值）。

如果我的方法是错误的，请建议我最好的处理方式。

谢谢！

- M_13

Answer 1

你只需要拆分你的X和y，不要拆分训练集和测试集。

然后，你可以将你的分类器（在这种情况下是svm）传递给cross_val_score函数，以获取每个实验的准确性。

只需3行代码：

clf = svm.SVC(kernel='linear', C=1)
scores = cross_val_score(clf, X, y, cv=10)
print scores

- Moniba

---

不要忘记：from sklearn.model_selection import cross_val_score - mrazizi

Answer 2

你已经快完成了：

# Build your classifier
classifier = svm.SVC()

# Train it on the entire training data set
classifier.fit(X_train, y_train)

# Get predictions on the test set
y_pred = classifier.predict(X_test)

此时，您可以使用 sklearn.metrics 模块中的任何指标来确定您的表现如何。例如：

from sklearn.metrics import accuracy_score
print(accuracy_score(y_test, y_pred))

- havanagrawal

---

谢谢回答。然而，这并没有考虑交叉验证的因素。如果有其他替代建议，那将会很好。 - M_13

@M_13 任何模型都不会考虑交叉验证。CV只是用来检查模型在您的数据上的性能。请阅读有关交叉验证的内容。 - Vivek Kumar

我想知道这个答案怎么被接受为“答案”。它没有解决交叉验证这个主要问题。 - Peshmerge

Answer 3

from sklearn.metrics import classification_report
classifier = svm.SVC()
classifier.fit(X_train, y_train)
y_pred = classifier.predict(X_test)
print(classification_report(y_test , y_pred)

- atena karimi