Sklearn cross_val_score给出的数字与model.score明显不同？

Question

我有一个二进制分类问题

首先，我训练测试将数据拆分为：

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)

我检查了y_train，它基本上将两个类（1,0）的比例分为50/50，这就是它的数据集的方式

当我尝试诸如以下的基本模型时：

model = RandomForestClassifier()
model.fit(X_train, y_train)
model.score(X_train, y_train)

输出为0.98或1％的差异，具体取决于列车测试拆分的随机状态。

但是，当我尝试使用cross_val_score时，例如：

cross_val_score(model, X_train, y_train, cv=StratifiedKFold(shuffle=True), scoring='accuracy')

输出为

array([0.65      , 0.78333333, 0.78333333, 0.66666667, 0.76666667])

数组中的分数都没有接近0.98吗？

[当我尝试得分='r2'时得到

>>>cross_val_score(model, X_train, y_train, cv=StratifiedKFold(shuffle=True), scoring='r2')
array([-0.20133482, -0.00111235, -0.2       , -0.2       , -0.13333333])

有人知道为什么会这样吗？我尝试过Shuffle = True和False，但没有帮助。

提前感谢

Answer 1

在基本模型中，您将根据训练语料库计算分数。尽管这是确保模型实际上已从您提供的数据中学到的正确方法，但不能保证模型在新的和看不见的数据上的最终准确性。