как использовать cross_val_score для прогнозирования в машинном обучении

Question

в своем курсе я узнал, как использовать перекрестную проверку для повышения точности моей модели, на тренировках все выглядит прекрасно Но когда я go попрактиковался в обучении, я обнаружил, что не могу использовать модели, обученные с перекрестной проверкой, следуйте моему коду:

X = array[:,0:8]
Y = array[:,8]


num_folds = 10
seed = 7


kfold = KFold(num_folds, True, random_state = seed)


modelo = LogisticRegression()


resultado = cross_val_score(modelo, X, Y, cv = kfold)


print("Acurácia: %.3f" % (resultado.mean() * 100))

в этой логике перекрестной проверки c как можно я использую модель, обученную в моих тестовых данных?

Я пытаюсь что-то вроде modelo.predict(X_test), но не успешно

Может ли кто-нибудь мне помочь?

Answer 1

Вам необходимо подогнать модель к данным, прежде чем использовать функцию .predict. Я полагаю, что вы используете scikit learn, поэтому:

clf = LogisticRegression()
clf = clf.fit(X, y)
clf.predict(X[:2, :])

Из документации по scikit здесь.