sklearn的线性回归+交叉验证模型训练

Question

我是python sklearn的新手。 我了解交叉验证的基本知识。 如果我默认将数据拆分为3折。 sklearn将使用不同的训练和测试数据集对模型进行3次训练。 我假设它产生3个不同的模型，我的意思是不同的w ^和d ^。 这是正确的吗？ 我应该只找回一个模型吗？ 如果我使用model.predict（）来预测输入，那么我正在使用哪种模型？

Answer 1

交叉验证评估模型设置，而不评估模型参数。

即，如果我使用了错误的设置，例如具有10个数据点上的20个参数的LR，则交叉验证将报告较低的分数，因为此设置中的模型无法归纳，不是因为模型参数错误。

如果在交叉验证后得出结论，该模型能够很好地泛化，则所有受过训练的模型将非常相似。 使用其中任何一个甚至通过培训整个开发数据集来获得最终模型都是安全的。