在cross_val_score 中，參數cv 的使用方式有何不同？

Question

我想弄清楚如何進行 k 折交叉驗證。 我希望有人能告訴我我的兩個打印語句之間的區別。 他們給了我很大不同的數據，我認為他們會是一樣的。

##train is my training data, 
##target is my target, my binary class.

dtc = DecisionTreeClassifier()
kf = KFold(n_splits=10)
print(cross_val_score(dtc, train, target, cv=kf, scoring='accuracy'))
print(cross_val_score(dtc, train, target, cv=10, scoring='accuracy'))

Answer 1

DecisionTreeClassifier派生自ClassifierMixin ，如文檔中所述（強調我的）：

計算交叉驗證的指標

當cv參數為整數時， cross_val_score使用KFold或StratifiedKFold策略，如果估算器來自ClassifierMixin則使用后者。

所以在這里，當您傳遞cv=10您使用的是StratifiedKFold策略，而傳遞cv=kf您使用的是常規KFold策略。

在分類中，分層通常試圖確保每個測試折疊具有大致相等的類表示。 有關更多信息，請參閱了解交叉驗證上的分層交叉驗證。