小编use*_*903的帖子

我有一个TfidfVectorizer矢量化文章集合,然后是特征选择.

vectroizer = TfidfVectorizer()
X_train = vectroizer.fit_transform(corpus)
selector = SelectKBest(chi2, k = 5000 )
X_train_sel = selector.fit_transform(X_train, y_train)

现在,我想存储它并在其他程序中使用它.我不想TfidfVectorizer()在训练数据集上重新运行和选择特征选择器.我怎么做？我知道如何使模型持久使用,joblib但我想知道这是否与使模型持久化相同.

使用scikit-learn的评估指标评估二进制分类器的正确方法是什么？

给定y_test和y_pred作为黄金和预测标签，classification_report输出中的F1分数不应该与f1_score产生的分数相同吗？

这是我的方法：

print(classification_reprot(y_test, y_pred)

给出下表：

         precision    recall  f1-score   support

      0       0.49      0.18      0.26       204
      1       0.83      0.96      0.89       877

avg / total       0.77      0.81      0.77      1081

然而，

print(f1_score(y_test, y_pred) 

得出F1分数= 0.89

现在，根据上述输出，该模型F1的性能得分= 0.89还是0.77？

我正在使用libsvm进行分类任务.我有10倍交叉验证,其中F1得分为0.80.但是,当我将训练数据集分成两部分时(一部分用于训练,另一部分用于测试,我将其称为保持测试集),F1分数降至0.65.分割比例为.8至.2.

那么,我的问题是,在进行k折交叉验证与保持测试之间是否有任何显着差异？这两种技术中的哪一种会产生一种概括良好的模型？在这两种情况下,我的数据集都会缩放.