我正在尝试使用 DRF 开发 REST API，该 API 使用TokenAuthentication. 这将用于 android 应用程序。

我能够对用户进行身份验证并检索它的令牌。我现在遇到的问题是以下观点：

@csrf_exempt
def foo(request):
    if request.method == 'GET':
        if request.user.is_authenticated():
            ...
            do stuff
            ...
            return HttpResponse(data, "application/json")
        else:
            return HttpResponse(status=401)

基本上，用户应该经过身份验证才能接收数据，否则，他将收到 401 响应。

我正在使用标题中的以下参数向正确的 URL 发出 GET 请求：

content-type : application/json
authorization : Token <user token>

这基本上就是我为其他视图集（这不是一个视图集）所做的工作 - 并且它有效。

在这种情况下，它总是发送带有 401 代码的 HTTP 响应（用户未通过身份验证）。

我不知道问题是否出在我传递的 Header 值上，或者这是否不是检查用户是否通过身份验证的正确方法。

编辑：如果我这样做：“打印 request.user”我得到 AnonymousUser

谢谢！

解决了

正如“ABDUL NIYAS P M”所建议的，我使用了 APIView

基本上，我只是在视图中添加了@api_view(['GET'])装饰器。

@csrf_exempt
@api_view(['GET'])
@permission_classes((IsAuthenticated, …

当我们进行 k 折交叉验证时，我们正在测试模型在预测它从未见过的数据时的表现。

如果将我的数据集分成 90% 的训练和 10% 的测试并分析模型性能，则不能保证我的测试集不只包含 10% 的“最容易”或“最难”的预测点。

通过进行 10 折交叉验证，我可以确保每个点至少会用于训练一次。由于（在这种情况下）模型将被测试 10 次，我们可以对这些测试指标进行分析，这将使我们更好地了解模型在分类新数据方面的表现。

当目的应该是模型检查时，Spark 文档将交叉验证称为优化算法超参数的一种方式。

通过做这个：

lr = LogisticRegression(maxIter=10, tol=1E-4)
ovr = OneVsRest(classifier=lr)
pipeline = Pipeline(stages=[... , ovr])

crossval = CrossValidator(estimator=pipeline,
                          estimatorParamMaps=paramGrid,
                          evaluator=MulticlassClassificationEvaluator(),
                          numFolds=10)

# Run cross-validation, and choose the best set of parameters.
cvModel = crossval.fit(df)

我能够获得（在我的理解中）具有paramGrid 中定义的最佳参数集的模型。我理解这种超参数调整的价值，但我想要的是分析模型性能，而不仅仅是获得最佳模型。

问题是（对于这种情况下的 10 倍交叉验证）：

是否可以使用 CrossValidator 为 10 个测试中的每一个（或每个指标的这 10 个测试的平均值）提取指标（f1、精度、召回率等）？，即. 是否可以使用 CrossValidator 进行模型检查而不是模型选择？

谢谢！

更新

正如user10465355在评论中所述，可以在此处找到类似的问题。第一个建议是在拟合之前将 collectSubModels 设置为 true …