cross_val_predict#

sklearn.model_selection.cross_val_predict(estimator, X, y=None, *, groups=None, cv=None, n_jobs=None, verbose=0, params=None, pre_dispatch='2*n_jobs', method='predict')[来源]#

为每个输入数据点生成交叉验证估计。

数据根据 `cv` 参数进行分割。每个样本都恰好属于一个测试集，其预测通过在相应训练集上拟合的估计器计算得出。

将这些预测结果用于评估指标可能不是衡量泛化性能的有效方法。除非所有测试集大小相等且指标在样本上可分解，否则结果可能与 cross_validate 和 cross_val_score 不同。

更多信息请参阅用户指南。

参数:
estimator估计器

用于拟合数据的估计器实例。它必须实现一个 fit 方法以及 `method` 参数指定的方法。

X{类似数组的，稀疏矩阵}，形状为 (n_samples, n_features)

要拟合的数据。例如，可以是列表或至少二维的数组。

y{类似数组的，稀疏矩阵}，形状为 (n_samples,) 或 (n_samples, n_outputs)，默认值=None

在监督学习中要尝试预测的目标变量。

groups类似数组的，形状为 (n_samples,)，默认值=None

在将数据集分割成训练/测试集时使用的样本分组标签。仅与“Group”交叉验证实例（例如，GroupKFold）结合使用。

版本 1.4 中的更改： 仅当通过 sklearn.set_config(enable_metadata_routing=True) 未启用元数据路由时，才能传递 groups。当启用路由时，请改为通过 params 参数传递 groups 以及其他元数据。例如： cross_val_predict(..., params={'groups': groups})。

cvint，交叉验证生成器或可迭代对象，默认值=None

确定交叉验证分割策略。`cv` 的可能输入包括：

  • None，使用默认的 5 折交叉验证，

  • int，指定 (Stratified)KFold 中的折叠数，

  • 交叉验证分割器,

  • 生成（训练，测试）分割（作为索引数组）的可迭代对象。

对于 int/None 输入，如果估计器是分类器且 `y` 为二元或多类，则使用 StratifiedKFold。在所有其他情况下，使用 KFold。这些分割器使用 `shuffle=False` 实例化，因此在不同调用中分割结果将相同。

请参阅用户指南，了解此处可用的各种交叉验证策略。

版本 0.22 中的更改： `cv` 为 None 时的默认值从 3 折更改为 5 折。

n_jobsint，默认值=None

要并行运行的作业数。估计器的训练和预测在交叉验证分割中并行进行。`None` 表示 1，除非在 joblib.parallel_backend 上下文中。`-1` 表示使用所有处理器。有关更多详细信息，请参阅术语表。

verboseint，默认值=0

详细程度。

paramsdict，默认值=None

传递给底层估计器的 `fit` 方法和交叉验证分割器的参数。

版本 1.4 中新增。

pre_dispatchint 或 str，默认值='2*n_jobs'

控制并行执行期间调度的作业数。减少此数量有助于避免在调度的作业多于 CPU 可处理的作业时出现内存消耗爆炸。此参数可以是：

  • None，在这种情况下，所有作业会立即创建并启动。将此用于轻量级和快速运行的作业，以避免因按需启动作业而造成的延迟。

  • 一个 int 值，表示启动的总作业的确切数量。

  • 一个 str 值，表示一个关于 `n_jobs` 的表达式，例如 `'2*n_jobs'`。

method{'predict', 'predict_proba', 'predict_log_proba', 'decision_function'}，默认值='predict'

`estimator` 将调用的方法。

返回:
predictionsndarray

这是调用 `method` 的结果。形状：

  • 当 `method` 为 'predict' 或在 `method` 为 'decision_function' 且目标为二元的特殊情况下： (n_samples,)

  • 当 `method` 是 {'predict_proba', 'predict_log_proba', 'decision_function'} 之一时（除非上述特殊情况）：(n_samples, n_classes)

  • 如果 `estimator` 是多输出的，则在上述每个形状的末尾添加一个额外维度 ‘n_outputs’。

另请参见

cross_val_score

计算每个交叉验证分割的分数。

cross_validate

计算每个交叉验证分割的一个或多个分数和时间。

注意

如果训练部分中缺少一个或多个类别，并且 `method` 针对每个类别生成列（如在 {'decision_function', 'predict_proba', 'predict_log_proba'} 中），则需要为该类别的所有实例分配一个默认分数。对于 `predict_proba`，此值为 0。为了确保有限的输出，在其他情况下，我们用数据类型（dtype）的最小有限浮点值来近似负无穷大。

示例

>>> from sklearn import datasets, linear_model
>>> from sklearn.model_selection import cross_val_predict
>>> diabetes = datasets.load_diabetes()
>>> X = diabetes.data[:150]
>>> y = diabetes.target[:150]
>>> lasso = linear_model.Lasso()
>>> y_pred = cross_val_predict(lasso, X, y, cv=3)