sklearn交叉验证函数cross_val_score用法及参数解释

一 、使用示例

import numpy as np
from sklearn.model_selection import train_test_split
from sklearn import svm
from sklearn.model_selection import cross_val_score
target=odata["target"]
X=odata.drop(columns="target")
clf = svm.SVC(kernel='linear', C=1)
scores = cross_val_score(clf,X,target, cv=5,scoring = "neg_mean_squared_error")

cross_val_score(estimator, X, y,, scoring=None, cv=None, n_jobs=None, verbose=0, fit_params=None, pre_dispatch="2*n_jobs")

二、参数含义

参数	解释	取值
estimator	使用的模型实例	实例化模型（SVM,XGBoost，DBDT）
X, y	自变量，标签值	数据集
soring	评估效果	取值下表详述
cv	交叉验证时迭代次数	整数
n_jobs	同时工作的cpu个数（-1代表全部）	[-1,1,2…]
verbose	日志冗长度	-
int	冗长度	0：不输出训练过程，1：偶尔输出，>1：对每个子模型都输出
fit_params	传递给估计器的拟合方法的参数	-
pre_dispatch	控制并行执行期间调度的作业数量。减少这个数量对于避免在CPU发送更多作业时CPU内存消耗的扩大是有用的。	“2*n_jobs”/数值

三、常见的scoring取值

下两个网址可以帮助理解
https://zhuanlan.zhihu.com/p/509437755
https://scikit-learn.org/stable/modules/model_evaluation.html#scoring-parameter

取值	含义
‘accuracy’	准确度
‘precision’	精度
‘f1’	f1_score对于二进制目标
‘f1_micro’	微观F1
‘f1_macro’	宏F1，二分类使用Accuracy和F1-score，多分类使用Accuracy和宏F1。
‘recall’	召回率
‘roc_auc’	AUC值
neg_log_loss	neg_log_loss损失，结果越接近0，表示损失越小，模型效果越好,对数似然函数 Log_loss是一种直接根据概率预测结果衡量损失的函数，和逻辑回归中的损失函数类似。对数似然函数直接指向模型最优化方向，对于那些以最优化为目的求解模型的算法来说，会天然有较好的得分。比如逻辑回归、svm等，其中逻辑回归的损失函数就是对数似然。
‘r2’	R方，越大越好,R^2可以为负
neg_mean_squared_error	负均值平方误差，负数，越小越好，均方误差MSE的数值，其实就是neg_mean_squared_error去掉负号的数字
neg_mean_absolute_error	负绝对均值误差，MAE的负取值，现实中MSE和MAE选一个来使用就好了

1.分类、回归和聚类scoring参数选择

 分类问题一般选择‘roc_auc’、‘neg_log_loss’、‘f1’等，根据实际需求选择。
 回归问题一般选择‘neg_mean_absolute_error、neg_mean_squared_error、‘r2’等 ，根据实际需求选择。
 聚类：adjusted_rand_score、completeness_score等

2.f1_micro和f1_macro区别

3.负均方误差和均方误差

虽然均方误差永远为正，但是sklearn中的参数scoring下，均方误差作为评判标准时，却是计算”负均方误差“（neg_mean_squared_error）。这是因为sklearn在计算模型评估指标的时候，会考虑指标本身的性质，均方误差本身是一种误差，所以被sklearn划分为模型的一种损失(loss)。在sklearn当中，所有的损失都使用负数表示，因此均方误差也被显示为负数了。真正的均方误差MSE的数值，其实就是neg_mean_squared_error去掉负号的数字。