如果我使用(cross_val_分数),我可以单独知道训练和测试的准确性吗

htzpubme  于 2021-08-20  发布在  Java
关注(0)|答案(1)|浏览(390)

我使用随机森林分类器对数据集进行分类;我想使用交叉验证;我的问题是我找不到一种方法来知道列车和测试分流的准确性,所以这是可能的吗?这是我使用的代码,它告诉我

X_test, X_rem, y_test, y_rem = train_test_split(X,Y, test_size=0.1)

X_valid, X_train, y_valid, y_train = train_test_split(X_rem,y_rem, train_size=0.80)

    cv = KFold(n_splits=10, random_state=1, shuffle=True)
    # create model
    model = RandomForestClassifier(n_estimators =400)

    scoresranP = cross_val_score(model, X_rem, y_rem, cv=cv, n_jobs=-1)

    print('Accuracy of Random Forest: %.3f (%.3f)' % (mean(scoresranP), std(scoresranP)))

如果我是对的,在这种情况下,“scoresranp”会给我训练的准确度,那么我可以使用测试分割来获得测试的准确度吗?我错了。有谁能告诉我,我是否可以使用三个分割的交叉评分(训练、有效、测试)?
我真的很感激你能提供的任何帮助。

hjqgdpho

hjqgdpho1#

如果我是正确的,随机森林不会给你训练的准确性,因为它是一种回归学习方法。

相关问题