我在同一个数据集上进行训练和预测，但我想执行 10 倍交叉验证并预测左侧折叠，从而预测整个数据集。我怎样才能做到这一点？
我正在使用的库是：
from sklearn import cross_validation
import xgboost as xgb
有没有办法在 python 中使用 xgboost 模块执行分层交叉验证？
数据挖掘
Python
scikit-学习
xgboost
交叉验证
2021-10-03 15:04:45
2个回答
您正在做的是 k 折交叉验证的典型示例。
XGBoost 仅用于提升性能，表示“分布式梯度提升”。
首先，运行交叉验证步骤：
kfld = sklearn.cross_validation.KFold(labels.size, n_folds=10)
然后，使用训练和测试索引kfld来构建 XGBoost 矩阵并通过遍历它们（索引）来重新缩放权重。
这里给出了一个非常简洁的实现作为 Kaggle 示例。
所以，交叉验证不是用xgboost包做的，而是用 的cross_validation模块做的sklearn，然后对k-fold验证变量结果的索引做梯度提升。
xgboost 带有自己的 cv 方法，请参见此处的示例