В чем разница между sklearn.cross_validation и sklearn.model_esvaluation?

Question

Я хочу знать разницу между импортом sklearn.model_estimation и sklearn.cross_validation при запуске кода Python для линейной регрессии.

Я обнаружил, что sklearn.model_estimation вызывает метод с именем next(ShuffleSplit().split(X, y)), а sklearn.cross_validation вызывает метод с именем next(iter(ShuffleSplit(n_samples))), но я все еще в неведении относительно разницы между тем, что на самом деле выполняют эти два метода.

В поисках помощи.

Заранее спасибо.

Answer 1

cross_validation - более старый пакет, использовавшийся ранее в Scikit. model_selection является более новой заменой cross_validation (и некоторых других тоже). Он имеет некоторые структурные изменения в классах, определенных в нем.

То же класс, который был ранее в cross_validation, теперь присутствует в model_selection, но с измененным поведением (входные параметры, тип вывода, атрибуты и т. Д.).

Так что вы всегда должны использовать классы из model_selection.