Python sklearn cross_val_predict用法及代码示例

本文简要介绍python语言中 sklearn.model_selection.cross_val_predict 的用法。

用法:

sklearn.model_selection.cross_val_predict(estimator, X, y=None, *, groups=None, cv=None, n_jobs=None, verbose=0, fit_params=None, pre_dispatch='2*n_jobs', method='predict')

为每个输入数据点生成 cross-validated 估计值。

根据 cv 参数拆分数据。每个样本恰好属于一个测试集，并且它的预测是通过安装在相应训练集上的估计器来计算的。

将这些预测传递到评估指标中可能不是衡量泛化性能的有效方法。结果可能与 cross_validate 和 cross_val_score 不同，除非所有测试集具有相同的大小并且度量标准在样本上分解。

在用户指南中阅读更多信息。

参数：

estimator：实现‘fit’和‘predict’的估计器对象

用于拟合数据的对象。

X：形状类似数组 (n_samples, n_features)

要拟合的数据。例如，可以是一个列表，或者一个至少 2d 的数组。

y：形状为 (n_samples,) 或 (n_samples, n_outputs) 的类似数组，默认=无

在监督学习的情况下尝试预测的目标变量。

groups：形状类似数组 (n_samples,)，默认=None

将数据集拆分为训练/测试集时使用的样本的分组标签。仅与 “Group” cv 实例(例如 GroupKFold )结合使用。

cv：int，交叉验证生成器或可迭代的，默认=无

确定交叉验证拆分策略。 cv 的可能输入是：

• 无，使用默认的 5 折交叉验证，
• int，指定 (Stratified)KFold 中的折叠数，
• CV分配器，
• 生成(训练，测试)拆分为索引数组的迭代。

对于 int/None 输入，如果估计器是分类器并且 y 是二进制或多类，则使用 StratifiedKFold 。在所有其他情况下，使用 KFold 。这些拆分器使用 shuffle=False 实例化，因此拆分在调用之间将是相同的。

有关可在此处使用的各种交叉验证策略，请参阅用户指南。

n_jobs：整数，默认=无

并行运行的作业数。训练估计器和预测在交叉验证拆分上并行化。 None 表示 1，除非在 joblib.parallel_backend 上下文中。 -1 表示使用所有处理器。有关详细信息，请参阅词汇表。

verbose：整数，默认=0

详细程度。

fit_params：字典，默认=无

传递给估计器的 fit 方法的参数。

pre_dispatch：int或str，默认=’2*n_jobs’

控制在并行执行期间分派的作业数。当调度的作业多于 CPU 可以处理的数量时，减少此数字有助于避免内存消耗的爆炸式增长。该参数可以是：

• 无，在这种情况下，所有作业都会立即创建和生成。将此用于轻量级和 fast-running 作业，以避免由于生成作业 on-demand 造成的延迟

• 一个 int，给出产生的总作业的确切数量

• 一个 str，给出一个表达式作为 n_jobs 的函数，如 ‘2*n_jobs’

method：{‘predict’, ‘predict_proba’，‘predict_log_proba’，‘decision_function’}，默认='预测'

estimator 要调用的方法。

返回：

predictions：ndarray

这是调用 method 的结果。形状：

• 当 method 是 ‘predict’ 并且在 method 是 ‘decision_function’ 并且目标是二进制的特殊情况下：(n_samples,)

• 当method 是 {‘predict_proba’, ‘predict_log_proba’, ‘decision_function’} 之一(除非上述特殊情况)：(n_samples，n_classes)

• 如果estimator 是多输出，则会在上面每个形状的末尾添加一个额外的维度‘n_outputs’。

注意：

在训练部分中缺少一个或多个类的情况下，如果 method 为每个类生成列，则需要为该类的所有实例分配默认分数，如 {‘decision_function’, ‘predict_proba’, ‘predict_log_proba’}。对于predict_proba，此值为 0。为了确保有限输出，我们在其他情况下通过 dtype 的最小有限浮点值近似负无穷大。

例子：

>>> from sklearn import datasets, linear_model
>>> from sklearn.model_selection import cross_val_predict
>>> diabetes = datasets.load_diabetes()
>>> X = diabetes.data[:150]
>>> y = diabetes.target[:150]
>>> lasso = linear_model.Lasso()
>>> y_pred = cross_val_predict(lasso, X, y, cv=3)