使用 sklearn make_pipeline 实用程序,您可以创建一个复合估计器,就像我在下面所做的那样(clf)。每次调用 cross_validate 方法时,它首先在不用于验证的 kfold 上拟合 minmax 缩放器,然后转换最终的折叠,然后才是模型拟合。
cross_validate 方法返回一个名为“fit_time”的值。此拟合时间是否考虑了最小最大缩放,或者仅训练“模型”(make_pipeline 的第二个参数)。
谢谢。
#The following clf uses minmax scaling
clf = make_pipeline(preprocessing.MinMaxScaler(), model)
results = cross_validate(clf, Data, labels, cv=kfold,return_train_score=True)
最佳答案
基于docs :
fit_time
The time for fitting the estimator on the train set for each cv split.
我想说它只计算估计器,它应该是模型而不是缩放。
但是您可以测试它,如果您在一次测试运行中排除缩放并查看时间是否不同。
关于machine-learning - 使用 sklearn 的 cross_validate 方法的复合估计器, "fit_time"参数包含什么?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59604642/