← retour aux snippets

sklearn: cross_val_score KFold

Évaluer un modèle par validation croisée KFold/Stratified.

python ml #sklearn#cv#kfold

objectif

Évaluer un modèle par validation croisée KFold/Stratified.

code minimal

from sklearn.datasets import load_iris
from sklearn.model_selection import cross_val_score, StratifiedKFold
from sklearn.linear_model import LogisticRegression

X, y = load_iris(return_X_y=True)
cv = StratifiedKFold(n_splits=5, shuffle=True, random_state=42)
scores = cross_val_score(LogisticRegression(max_iter=1000), X, y, cv=cv)
print(len(scores) == 5)

utilisation

print(float(scores.mean()) >= 0.0)

variante(s) utile(s)

from sklearn.model_selection import KFold
print(hasattr(KFold(n_splits=3), "split"))

notes

  • Stratifier pour classification; shuffle+seed pour reproductibilité.