为什么我们每次都需要重新创建模型？

Question

这里我有一段Python代码，取自SoloLearn，

scores = []

kf = KFold(n_splits=5, shuffle=True)

for train_index, test_index in kf.split(X):

   X_train, X_test = X[train_index], X[test_index]

   y_train, y_test = y[train_index], y[test_index]

   model = LogisticRegression()

   model.fit(X_train, y_train)

   scores.append(model.score(X_test, y_test))

print(scores)

print(np.mean(scores))

那么我的问题是，我需要在每次拆分中创建一个新模型吗？为什么我们不在 for 之前创建一个 LogisticRegression 呢？

我会把它放在前面以节省计算时间，但既然它是以这种方式呈现的，我认为这是有原因的。

Answer 1

好问题！答案是......您不必每次都创建模型。你的直觉是正确的。请随意移至model = LogisticRegression()循环外部的顶部，然后重新运行以确认。model.fit(X_train, y_train)无论哪种方式，每次循环后存在的模型对象都是相同的。

Answer 2

简短的回答是肯定的。原因是因为这是k折交叉验证简而言之，这意味着您正在训练k多个模型，评估每个模型的结果并一起求平均值。我们在没有单独的训练和测试数据集的情况下这样做。交叉验证将训练数据分割成k子组，每个子组都包含自己的测试/训练分割（我们称之为折叠）。然后，我们在第一折叠的训练数据上训练模型并在测试数据上进行测试。对每个折叠使用新模型重复所有折叠，现在我们对完整数据集有了正确的预测。

Answer 3

KFold用于交叉验证，这意味着训练模型并评估它。这样做时，您显然需要两个数据集：训练数据集和评估数据集。使用时KFold，您将训练集分割为折叠数（示例中为 5）并运行五个模型，每次使用五分之一作为验证集，将数据集的其余部分作为训练集。现在，为了回答这个问题：您每次都需要一个新模型，因为您有五个模型，因为第五次每次都有不同的训练集以及不同的验证集。您必须创建一个新模型，scikit learn因为当您运行模型时model.fit()，模型是在特定数据集上进行训练的，因此您不能将其用于另一个训练数据集。如果您只想创建一次，您可以制作副本，例如：model = LogisticRegression(**params)def parse_kfold(model)    kf = KFold(n_splits=5, shuffle=True)    for train_index, test_index in kf.split(X):        model_fold = model        ...