我一直在努力閱讀 Vanderplass 的書，現(xiàn)在我已經(jīng)被困在這個(gè)牢房里好幾天了：from sklearn.model_selection import cross_val_scorecross_val_score(model, X, y, cv=5)from sklearn.model_selection import LeaveOneOutscores = cross_val_score(model, X, y, cv=LeaveOneOut(len(X)))scoresTypeError Traceback (most recent call last)<. ipython-input-78-029fa0c72898> in <module> 1 from sklearn.model_selection import LeaveOneOut ----> 2 scores = cross_val_score(model, X, y, cv=LeaveOneOut(len(X))) 3 scoresTypeError: LeaveOneOut() takes no argumentsimport sklearnsklearn.__version__0.22.1'在此先感謝您的幫助！卡梅倫
2 回答
慕容708150
TA貢獻(xiàn)1831條經(jīng)驗(yàn) 獲得超4個(gè)贊
歡迎來(lái)到堆棧溢出！
錯(cuò)誤顯示LeaveOneOut() takes no arguments，但是當(dāng)您實(shí)例化時(shí)，LeaveOneOut您將其len(X)作為參數(shù)傳遞 (in?LeaveOneOut(len(X)))。
如果您將scores行更改為下面的行，它應(yīng)該可以工作：
scores?=?cross_val_score(model,?X,?y,?cv=LeaveOneOut())
但是，請(qǐng)注意scikit-learn 文檔中的警告：
注意：LeaveOneOut() 等同于 KFold(n_splits=n)...由于測(cè)試集數(shù)量很多（與樣本數(shù)量相同），這種交叉驗(yàn)證方法的成本可能非常高。對(duì)于大型數(shù)據(jù)集，應(yīng)該傾向于 KFold、ShuffleSplit 或 StratifiedKFold。
如果不清楚，建議使用例如 n=5 的 KFold，這通常會(huì)比 . 更好地為您服務(wù)LeaveOneOut。
收到一只叮咚
TA貢獻(xiàn)1821條經(jīng)驗(yàn) 獲得超5個(gè)贊
或者，也可以使用
from sklearn.model_selection import cross_val_score
cross_val_score(model, X, y, cv=5)
from sklearn.model_selection import LeaveOneOut
scores = cross_val_score(model, X, y, cv=LeaveOneOut().split(X))
scores
添加回答
舉報(bào)
0/150
提交
取消