如何使用sklearn的cross_val_score（）标准化数据

Question

假设我要使用LinearSVC对数据集执行k折交叉验证。如何对数据进行标准化？

我读过的最佳实践是在培训数据上建立标准化模型，然后将此模型应用于测试数据。

当使用简单的train_test_split（）时，这很容易，因为我们可以这样做：

X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y)

clf = svm.LinearSVC()

scalar = StandardScaler()
X_train = scalar.fit_transform(X_train)
X_test = scalar.transform(X_test)

clf.fit(X_train, y_train)
predicted = clf.predict(X_test)

做k折交叉验证时如何标准化数据？问题出在每个数据点都用于训练/测试，因此您无法在cross_val_score（）之前将所有数据标准化。每个交叉验证是否都需要不同的标准化？

该文档没有提到函数内部发生的标准化。我是SOL吗？

编辑：这篇文章超级有帮助：Python-sklearn.pipeline.Pipeline到底是什么？

Answer 1

您可以使用管道来组合两个过程，然后将其发送到cross_val_score（）中。

在fit()管道上调用时，它将一个接一个地拟合所有变换并变换数据，然后使用最终估算器拟合变换后的数据。并且在过程中predict()（仅在管道中的最后一个对象是估计器时才可用，否则transform()），它将对数据应用转换，并使用最终估计器进行预测。

像这样：

scalar = StandardScaler()
clf = svm.LinearSVC()

pipeline = Pipeline([('transformer', scalar), ('estimator', clf)])

cv = KFold(n_splits=4)
scores = cross_val_score(pipeline, X, y, cv = cv)

查看各种管道示例以更好地理解它：

• http://scikit-learn.org/stable/modules/generation/sklearn.pipeline.Pipeline.html#examples-using-sklearn-pipeline-pipeline

随时询问是否有任何疑问。