如何使用交叉验证模型获取系数

Question

如何在交叉验证模型中得到系数？进行交叉验证时，我可以获得CV模型的分数，但我该如何获得系数呢？

#Split into training and testing
x_train, x_test, y_train, y_test = train_test_split(samples, scores, test_size = 0.30, train_size = 0.70)

clf = svm.SVC(kernel='linear', C=1)
scores = cross_val_score(clf, x_train, y_train, cv=5)
scores

我想打印与每个特征相关的系数。

   #Print co-efficients of features
    for i in range(0, nFeatures):
    print samples.columns[i],":", coef[0][i]

这个版本没有交叉验证，其中提供了系数。

#Create SVM model using a linear kernel
model = svm.SVC(kernel='linear', C=C).fit(x_train, y_train)
coef = model.coef_

- sp2

Answer 1

你可能想使用 model_selection.cross_validate（使用return_estimator=True）而不是cross_val_score。它更加灵活，因此您可以访问每个折叠所使用的估计器：

from sklearn.svm import SVC
from sklearn.model_selection import cross_validate

clf = SVC(kernel='linear', C=1)
cv_results = cross_validate(clf, x_train, y_train, cv=5, return_estimator=True)

for model in cv_results['estimator']:
    print(model.coef_)

希望这能满足您的需求！（您可以通过cv_results['train_score']和cv_results['test_score']访问指标）

- fordy

---

那么，如果我打印(samples.columns[i],":", coef[0][i])，我会得到交叉验证模型中每列的平均系数吗？@fordy - sp2

当然可以，如果您想要这样做，只需要将每个model.coef_结果加载到ndarray或类似的数据结构中，然后在交叉验证的每一折中计算每个系数的平均值即可。 - fordy