![](/img/trans.png)
[英]scikit-learn scores are different when using cross_val_predict vs cross_val_score
[英]scikit-learn: cross_val_predict only works for partitions
我正在努力研究如何在 sklearn 中實現 TimeSeriesSplit。
下面鏈接中的建議答案產生了相同的 ValueError。
sklearn TimeSeriesSplit cross_val_predict 僅適用於分區
這里是我的代碼中的相關位:
from sklearn.model_selection import cross_val_predict
from sklearn import svm
features = df[df.columns[0:6]]
target = df['target']
clf = svm.SVC(random_state=0)
pred = cross_val_predict(clf, features, target, cv=TimeSeriesSplit(n_splits=5).split(features))
ValueError Traceback (most recent call last)
<ipython-input-57-d1393cd05640> in <module>()
----> 1 pred = cross_val_predict(clf, features, target, cv=TimeSeriesSplit(n_splits=5).split(features))
/home/jedwards/anaconda3/envs/py36/lib/python3.6/site-packages/sklearn/model_selection/_validation.py in cross_val_predict(estimator, X, y, groups, cv, n_jobs, verbose, fit_params, pre_dispatch, method)
407
408 if not _check_is_permutation(test_indices, _num_samples(X)):
--> 409 raise ValueError('cross_val_predict only works for partitions')
410
411 inv_test_indices = np.empty(len(test_indices), dtype=int)
ValueError: cross_val_predict only works for partitions
cross_val_predict 不能與 TimeSeriesSplit 一起使用,因為 TimeSeriesSplit 的第一個分區從來不是測試數據集的一部分,這意味着沒有對其進行預測。
例如當你的數據集是 [1, 2, 3, 4, 5]
在測試集中沒有一個折疊是 1
如果您想對 2-5 進行預測,您可以手動循環遍歷由您的 CV 生成的分割並自己存儲 2-5 的預測。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.