Python - linear_model.Lasso 的 k 折交叉验证

Question

我有以下代码使用linear_model.Lasso：

X_train, X_test, y_train, y_test = cross_validation.train_test_split(X,y,test_size=0.2)
clf = linear_model.Lasso()
clf.fit(X_train,y_train)
accuracy = clf.score(X_test,y_test)
print(accuracy)

我想执行 k 折（具体来说是 10 次）cross_validation。什么是正确的代码来做到这一点？

Answer 1

这是我用来对线性回归模型执行交叉验证并获取详细信息的代码：

from sklearn.model_selection import cross_val_score
scores = cross_val_score(clf, X_Train, Y_Train, scoring="neg_mean_squared_error", cv=10)
rmse_scores = np.sqrt(-scores)

正如本书第 108 页所说，这就是我们使用 -score 的原因：

Scikit-Learn 交叉验证特征期望效用函数（越大越好）而不是成本函数（越小越好），所以评分函数实际上是 MSE 的反面（即负值），这就是为什么前面的代码在计算平方根之前计算 -scores。

并使用这个简单的函数来可视化结果：

def display_scores(scores):
    print("Scores:", scores)
    print("Mean:", scores.mean())
    print("Standard deviation:", scores.std())