如何在機器學習中使用 cross_val_score 進行預測

Question

在我的課程中，我學習了如何使用交叉驗證來提高模型的准確性，訓練中的一切看起來都很漂亮。 但是當我去實踐訓練時我發現我不能使用經過交叉驗證訓練的模型，請按照我的代碼：

X = array[:,0:8]
Y = array[:,8]


num_folds = 10
seed = 7


kfold = KFold(num_folds, True, random_state = seed)


modelo = LogisticRegression()


resultado = cross_val_score(modelo, X, Y, cv = kfold)


print("Acurácia: %.3f" % (resultado.mean() * 100))

在這個交叉驗證邏輯中，我如何使用在我的測試數據中訓練的模型？

我正在嘗試類似modelo.predict(X_test)但沒有成功

誰能幫我？

Answer 1

您需要先將模型與數據擬合，然后才能使用.predict函數。 我相信你正在使用 scikit learn，所以：

clf = LogisticRegression()
clf = clf.fit(X, y)
clf.predict(X[:2, :])

來自此處的 scikit 文檔。