Python sklearn cross_val_predict用法及代碼示例

本文簡要介紹python語言中 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')

為每個輸入數據點生成 cross-validated 估計值。

根據 cv 參數拆分數據。每個樣本恰好屬於一個測試集，並且它的預測是通過安裝在相應訓練集上的估計器來計算的。

將這些預測傳遞到評估指標中可能不是衡量泛化性能的有效方法。結果可能與 cross_validate 和 cross_val_score 不同，除非所有測試集具有相同的大小並且度量標準在樣本上分解。

在用戶指南中閱讀更多信息。

參數：

estimator：實現‘fit’和‘predict’的估計器對象

用於擬合數據的對象。

X：形狀類似數組 (n_samples, n_features)

要擬合的數據。例如，可以是一個列表，或者一個至少 2d 的數組。

y：形狀為 (n_samples,) 或 (n_samples, n_outputs) 的類似數組，默認=無

在監督學習的情況下嘗試預測的目標變量。

groups：形狀類似數組 (n_samples,)，默認=None

將數據集拆分為訓練/測試集時使用的樣本的分組標簽。僅與 “Group” cv 實例(例如 GroupKFold )結合使用。

cv：int，交叉驗證生成器或可迭代的，默認=無

確定交叉驗證拆分策略。 cv 的可能輸入是：

• 無，使用默認的 5 折交叉驗證，
• int，指定 (Stratified)KFold 中的折疊數，
• CV分配器，
• 生成(訓練，測試)拆分為索引數組的迭代。

對於 int/None 輸入，如果估計器是分類器並且 y 是二進製或多類，則使用 StratifiedKFold 。在所有其他情況下，使用 KFold 。這些拆分器使用 shuffle=False 實例化，因此拆分在調用之間將是相同的。

有關可在此處使用的各種交叉驗證策略，請參閱用戶指南。

n_jobs：整數，默認=無

並行運行的作業數。訓練估計器和預測在交叉驗證拆分上並行化。 None 表示 1，除非在 joblib.parallel_backend 上下文中。 -1 表示使用所有處理器。有關詳細信息，請參閱詞匯表。

verbose：整數，默認=0

詳細程度。

fit_params：字典，默認=無

傳遞給估計器的 fit 方法的參數。

pre_dispatch：int或str，默認=’2*n_jobs’

控製在並行執行期間分派的作業數。當調度的作業多於 CPU 可以處理的數量時，減少此數字有助於避免內存消耗的爆炸式增長。該參數可以是：

• 無，在這種情況下，所有作業都會立即創建和生成。將此用於輕量級和 fast-running 作業，以避免由於生成作業 on-demand 造成的延遲

• 一個 int，給出產生的總作業的確切數量

• 一個 str，給出一個表達式作為 n_jobs 的函數，如 ‘2*n_jobs’

method：{‘predict’, ‘predict_proba’，‘predict_log_proba’，‘decision_function’}，默認='預測'

estimator 要調用的方法。

返回：

predictions：ndarray

這是調用 method 的結果。形狀：

• 當 method 是 ‘predict’ 並且在 method 是 ‘decision_function’ 並且目標是二進製的特殊情況下：(n_samples,)

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

• 如果estimator 是多輸出，則會在上麵每個形狀的末尾添加一個額外的維度‘n_outputs’。

注意：

在訓練部分中缺少一個或多個類的情況下，如果 method 為每個類生成列，則需要為該類的所有實例分配默認分數，如 {‘decision_function’, ‘predict_proba’, ‘predict_log_proba’}。對於predict_proba，此值為 0。為了確保有限輸出，我們在其他情況下通過 dtype 的最小有限浮點值近似負無窮大。

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)