我正在尝试使用SciKit-Learn执行我的第一个KNN分类器.我一直在关注用户指南和其他在线示例,但有一些我不确定的事情.对于这篇文章,我们使用以下内容
X =数据Y =目标
1)在我读过的机器学习页面的大多数介绍中,似乎说你想要一个训练集,一个验证集和一个测试集.根据我的理解,交叉验证允许您组合训练和验证集来训练模型,然后您应该在测试集上测试它以获得分数.但是,我在论文中看到,在很多情况下,您只需对整个数据集进行交叉验证,然后将CV分数报告为准确性.我理解在一个理想的世界中你会想要测试单独的数据,但如果这是合法的,我想在我的整个数据集上交叉验证并报告这些分数
2)开始这个过程
我将KNN分类器定义如下
knn = KNeighborsClassifier(algorithm = 'brute')
我使用搜索最好的n_neighbors
clf = GridSearchCV(knn, parameters, cv=5)
现在,如果我说
clf.fit(X,Y)
我可以使用检查最佳参数
clf.best_params_
然后我就能得分
clf.score(X,Y)
但是 - 据我所知,这还没有交叉验证模型,因为它只给出1分？
如果我看到clf.best_params_ = 14,我现在可以继续
knn2 = KNeighborsClassifier(n_neighbors = 14, algorithm='brute')
cross_val_score(knn2, X, Y, cv=5)
现在我知道数据已经过交叉验证,但我不知道使用clf.fit找到最佳参数是否合法,然后将cross_val_score与新的knn模型一起使用？
3)我理解这样做的"正确"方法如下
拆分为X_train,X_test,Y_train,Y_test,比例训练集 - >将转换应用于测试集
knn = KNeighborsClassifier(algorithm = 'brute')
clf = GridSearchCV(knn, parameters, cv=5)
clf.fit(X_train,Y_train)
clf.best_params_
然后我就能得分
clf.score(X_test,Y_test)
在这种情况下,使用最佳参数计算得分吗？
我希望这是有道理的.我一直试图尽可能多地找到我没有发布但我已经到了我认为更容易得到一些直接答案的地步.
在我的脑海中,我试图使用整个数据集获得一些交叉验证的分数,但也使用gridsearch(或类似的东西)来微调参数.
提前致谢
我在 matlab 中有一个 1x81 元胞数组。
每个单元格都是一个 30x30 的双精度矩阵。
我想将其存储在形状为 (81,30,30) 的 python（用于 scikit-learn）中。
我在这里阅读了一些问题并完成了他们的代码，但我没有取得任何成功。