Я относительно новичок в изучении scikit / машинного обучения.Я должен создать дерево решений, используя набор данных Titanic, и для этого нужно использовать перекрестную проверку KFold с 5-кратными сгибами.Вот что у меня есть:
cv = KFold(n_splits=5)
tree_model = tree.DecisionTreeClassifier(max_depth=3)
print(titanic_train.describe())
fold_accuracy = []
for train_index, valid_index in cv.split(X_train):
train_x,test_x = X_train.iloc[train_index],X_train.iloc[valid_index]
train_y,test_y= y_train.iloc[train_index], y_train.iloc[valid_index]
model = tree_model.fit(train_x,train_y)
valid_acc = model.score(test_x,test_y)
fold_accuracy.append(valid_acc)
print(confusion_matrix(y_test,model.predict(X_test)))
print("Accuracy per fold: ", fold_accuracy, "\n")
print("Average accuracy: ", sum(fold_accuracy)/len(fold_accuracy))
dot_data = StringIO()
Мой вопрос: существует ли моя подобранная модель только внутри цикла?Мне нужно точно предсказать из тестового учебного набора при условии, что «Survived» не имеет маркировки (в матрице путаницы X_Test - это набор тестовых данных X значений, а y_test - фактическая выживаемость), и я не уверен, что при обучении с использованием этогометод, что мой основной классификатор (tree_model) обучается с использованием каждого набора в сгибе.