GridSearchCV: Как указать тестовый набор?

Question

У меня есть вопрос относительно GridSearchCV:

с помощью этого:

gs_clf = GridSearchCV(pipeline, parameters, n_jobs=-1, cv=6, scoring="f1") 

Уточняю, что к-кратная кросс-валидации следует использовать с 6 Складки правильно?

Таким образом, это означает, что мой корпус разделен на набор для обучения и набор тета 6 раз.

Разве это не означает, что для GridSearchCV мне нужно использовать весь свой корпус, так как:

gs_clf = gs_clf.fit(corpus.data, corpus.target) 

И если да, то как бы я тогда получу свой тренировочный набор оттуда используется для метода прогнозирования ?

predictions = gs_clf.predict(??) 

Я видел код, где корпус разделяется на тестовый набор и обучающий набор с использованием train_test_split, а затем X_train и Y_train передаются gs_clf.fit.

Но это не имеет смысла для меня: если я раскол его корпус заранее, зачем использовать повторную проверку снова в GridSearchCV?

Спасибо за разъяснение !!

Answer 1

Перекрестная проверка и тест-процентиль - это разные способы измерения точности алгоритма. Корс-валидация делает то, что вы сказали. Затем вы должны предоставить все данные в clasifier. Разделение данных, если вы используете перекрестное подтверждение, просто не имеет смысла.

Если вы хотите измерить точность или вызвать с помощью gridsearchCV, вы должны создать бомбардир и назначить его к параметру озвучивания gridsearchcv, как в этом примере:

>>> from sklearn.metrics import fbeta_score, make_scorer 
>>> ftwo_scorer = make_scorer(fbeta_score, beta=2) 
>>> from sklearn.model_selection import GridSearchCV 
>>> from sklearn.svm import LinearSVC 
>>> grid = GridSearchCV(LinearSVC(), param_grid={'C': [1, 10]}, scoring=ftwo_scorer)