为什么在传递StratifiedKFold（）作为GridSearchCV的参数的过程中应该调用split（）函数？

Question

此问题是交叉验证的migrated，因为可以在堆栈溢出中回答。Migrated[22小时前。

我想做什么？

我正在尝试使用StratifiedKFold()中的GridSearchCV()。

然后，什么让我感到困惑？

[当我们使用K折叠交叉验证时，我们只传递GridSearchCV()内部的CV编号，如下所示。

grid_search_m = GridSearchCV(rdm_forest_clf, param_grid, cv=5, scoring='f1', return_train_score=True, n_jobs=2)

然后，当我需要使用StratifiedKFold()时，我认为程序应保持不变。也就是说，仅设置分割数-StratifiedKFold(n_splits=5)至cv。

grid_search_m = GridSearchCV(rdm_forest_clf, param_grid, cv=StratifiedKFold(n_splits=5), scoring='f1', return_train_score=True, n_jobs=2)

但是this answer说

无论使用什么cross validation strategy，都需要按照建议使用功能split提供生成器：

kfolds = StratifiedKFold(5)
clf = GridSearchCV(estimator, parameters, scoring=qwk, cv=kfolds.split(xtrain,ytrain))
clf.fit(xtrain, ytrain)

此外，this question的答案之一也建议这样做。这意味着，他们建议在使用StratifiedKFold(n_splits=5).split(xtrain,ytrain)时调用split函数：GridSearchCV()。但是，我发现调用split()而没有调用split()会给我相同的f1分数。

因此，我的问题

• 我不明白为什么在分层K折叠期间我们需要调用split()函数我们在K Fold CV期间不需要做这类事情。

• 如果调用split()函数，GridSearchCV()将如何用作Split()函数returns training and testing data set indices？也就是说，我想知道GridSearchCV()将如何使用这些索引？

Answer 1

基本上GridSearchCV很聪明，可以为该cv参数采用多个选项-一个数字，一个拆分索引的迭代器或一个带有拆分函数的对象。您可以查看下面复制的代码here。