使用cross_validate()获取预测值

Question

我有以下代码，它执行5折交叉验证并返回几个度量值。

iris = load_iris()
clf = SVC()
scoring = {'acc': 'accuracy',
           'prec_macro': 'precision_macro',
           'rec_micro': 'recall_macro'}
scores = cross_validate(clf, iris.data, iris.target, scoring=scoring,
                         cv=5, return_train_score=True)

我想知道是否可以修改此代码以打印出每个折叠的预测值。

- Krishi H

---

你使用的是哪个库？ - Krishna

我正在使用sklearn。 - Krishi H

Answer 1

如果您正在使用sklearn，可以使用cross_val_predict：

from sklearn.model_selection import cross_val_predict
y_train_pred = cross_val_predict(clf_name,X_train,y_train_5,cv=3)

cross_val_score 会为每个折叠（fold）提供得分。而 cross_val_predict 则会为每个折叠提供预测结果。

- Krishna

---

是的，我正在使用sklearn。我知道cross_val_predict返回预测值。我想获得指标值以及预测值。有没有一种可以使用单个函数获取两者的方法。 - Krishi H

我怀疑这不会起作用。cross_val_print没有得分参数。所以不幸的是，我想你必须同时使用它们。 - Krishna

Answer 2

由于我在scikit-learn中也需要这个功能，所以我在我的sklearn repo中修改了代码。 如果你仍然需要这个功能，你可以在我的github上找到它，在group_cv分支上：

https://github.com/robbisg/scikit-learn/tree/group_cv

修改后的cross_validate函数在这里： https://github.com/robbisg/scikit-learn/blob/group_cv/sklearn/model_selection/_validation.py 你需要使用return_predictions=True调用cross_validate。

希望这能帮到你。

- robbisg