Sklearn交叉验证产生的结果与手动执行不同

Question

使用Sklearn，我在Python中使用Logistic回归进行监督学习。我还使用交叉验证来测试我的预测精度。在

当我自己做交叉验证时，我想测试一下是否有类似的结果。结果如下：

# X is my features. (m x p)
# y is labels. (m x 1)

# Using cross_validation.cross_val_score() function:
classifier = LogisticRegression()
scores1 = cross_validation.cross_val_score(classifier, X, y, cv=10)
print("Accuracy: %0.2f (+/- %0.2f)" % (scores1.mean(), scores1.std() * 2))

# Doing it "manual":
scores2 = np.array( [] )
classifier = LogisticRegression()
for i in range(10):
   X_train, X_test, y_train, y_test = cross_validation.train_test_split(X, y,
                                                    test_size=0.1, random_state=i)
   classifier.fit(X_train,y_train)
   score = classifier.score(X_test, y_test)
   scores2 = np.append(scores2, score)

print("Accuracy: %0.2f (+/- %0.2f)" % (scores2.mean(), scores2.std() * 2))

# This prints:
# Accuracy: 0.72 (+/- 0.47)
# Accuracy: 0.58 (+/- 0.52) 

我有相当大的X和y，所以我没想到结果会有很大的不同。这种差异完全是由于过程的随机性，还是我在代码中遗漏了什么？在

这是cross的文档页_验证。交叉值得分（）：

http://scikit-learn.org/stable/modules/generated/sklearn.cross_validation.cross_val_score.html

这是cross的文档页_验证。列车测试分割（）：

http://scikit-learn.org/stable/modules/generated/sklearn.cross_validation.train_test_split.html

Answer 1

train_test_split使用随机训练和测试集分割，而cross_val_score(cv=10)使用分层k-fold交叉验证。在

尝试使用cv=ShuffleSplit（test_size=0.1）。这会给你更多类似的结果。它不会使用与您相同的随机播种，因此它们可能仍然不同。不过，如果他们都在对方的性病之外，那就很奇怪了。在