小编Kai*_*hao的帖子

应该使用诸如StandardScaler之类的数据预处理器来fit_transform训练集，而仅转换（不适合）测试集。我希望相同的拟合/变换过程适用于交叉验证以调整模型。然而，我发现cross_val_score和GridSearchCVfit_transform整个列车组与预处理器（而不是fit_transform的inner_train集，改造inner_validation集）。我相信这可以人为地从inner_validation集中删除方差，从而使cv得分（用于通过GridSearch选择最佳模型的度量）出现偏差。这是一个问题还是我实际上错过了任何事情？

为了演示上述问题，我使用Kaggle的乳腺癌威斯康星州（诊断）数据集尝试了以下三个简单的测试案例。

1. 我故意将整个X调整为 StandardScaler()

X_sc = StandardScaler().fit_transform(X)
lr = LogisticRegression(penalty='l2', random_state=42)
cross_val_score(lr, X_sc, y, cv=5)

2. 我在中包含SC和LR Pipeline并运行cross_val_score

pipe = Pipeline([
    ('sc', StandardScaler()),
    ('lr', LogisticRegression(penalty='l2', random_state=42))
])
cross_val_score(pipe, X, y, cv=5)

3. 与2相同，但具有 GridSearchCV

pipe = Pipeline([
    ('sc', StandardScaler()),
    ('lr', LogisticRegression(random_state=42))
])
params = {
    'lr__penalty': ['l2']
}
gs=GridSearchCV(pipe,
param_grid=params, cv=5).fit(X, y)
gs.cv_results_

它们都产生相同的验证分数。[0.9826087、0.97391304、0.97345133、0.97345133、0.99115044]