使用管道在 sklearn 中从训练测试拆分到交叉验证

大佬教程收集整理的这篇文章主要介绍了使用管道在 sklearn 中从训练测试拆分到交叉验证，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。

如何解决使用管道在 sklearn 中从训练测试拆分到交叉验证？

开发过程中遇到使用管道在 sklearn 中从训练测试拆分到交叉验证的问题如何解决？下面主要结合日常开发的经验，给出你关于使用管道在 sklearn 中从训练测试拆分到交叉验证的解决方法建议，希望对你解决使用管道在 sklearn 中从训练测试拆分到交叉验证有所启发或帮助；

我有以下一段代码：

from sklearn import model_selection
from sklearn.ensemble import RandomForestClassifIEr
import pandas as pd
from sklearn.pipeline import Pipeline
...
x_train,x_test,y_train,y_test= model_selection.train_test_split(dataframe[features_],dataframe[labels],test_size=0.30,random_state=42,shuffle=True)
classifIEr = RandomForestClassifIEr(n_estimators=11)
pipe = Pipeline([('feats',feature),('clf',classifIEr)])
pipe.fit(x_train,y_train)
predicts = pipe.predict(x_test)

我想使用 k 折交叉验证来训练我的模型，而不是训练测试拆分。但是，我不知道如何通过使用管道结构来实现。我遇到了这个：https://scikit-learn.org/stable/modules/compose.html 但我无法适应我的代码。

如果可能，我想使用 from sklearn.model_selection import StratifIEdKFold。我可以在没有管道结构的情况下使用它，但我不能在管道中使用它。

更新： 我试过了，但它产生了我的错误。

x_train = dataframe[features_]
y_train = dataframe[labels]

skf = StratifIEdKFold(n_splits=3,shuffle=True,random_state=42) 
classifIEr = RandomForestClassifIEr(n_estimators=11)
     
#pipe = Pipeline([('feats',classifIEr)])
#pipe.fit(x_train,y_train)
#predicts = pipe.predict(x_test)

predicts = cross_val_predict(classifIEr,x_train,cv=skf)

解决方法

大佬总结

以上是大佬教程为你收集整理的使用管道在 sklearn 中从训练测试拆分到交叉验证全部内容，希望文章能够帮你解决使用管道在 sklearn 中从训练测试拆分到交叉验证所遇到的程序开发问题。

如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。

本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。