3. 模型选择和评估3. 模型选择和评估 3.1 交叉验证:评估估算器的表现 3.1.1.1 cross_validate 函数和多度量评估 3.1.2 交叉验证迭代器 3.1.2.1.1 K 折3.1.2.1.3 留一交叉验证 (LOO)3.1.2.1.5 随机排列交叉验证 a.k.a. Shuffle & Split 3.1.2.2.1 分层 k 折 3.1.2.3 用于分组数据的交叉验证迭代器 3.1.2.3.2 留一组交叉验证3.1.2.3.4 Group Shuffle Split 3.1.2.5 交叉验证在时间序列数据中应用 3.1.3 A note on shuffling 3.2 调整估计器的超参数 3.2.3 参数搜索技巧 3.2.3.2 为评估指定多个指标3.2.3.4 模型选择:开发和评估3.2.3.6 对故障的鲁棒性 3.2.4.1 模型特定交叉验证3.2.4.3 出袋估计 3.3.1 参数: 定义模型评估规则 3.3.1.2 根据 metric 函数定义您的评分策略3.3.1.4 使用多个指数评估 3.3.2.1 从二分到多分类和 multilabel3.3.2.3 Balanced accuracy score3.3.2.5 混淆矩阵3.3.2.7 汉明损失 3.3.2.8.1 二分类 3.3.2.10 Hinge loss3.3.2.12 马修斯相关系数3.3.2.14 Receiver operating characteristic (ROC)3.3.2.16 Brier 分数损失 3.3.3.1 覆盖误差3.3.3.3 排序损失 3.3.4.1 解释方差得分3.3.4.3 平均绝对误差3.3.4.5 均方误差对数3.3.4.7 R² score, 可决系数 3.3.6 虚拟估计 3.4.1 持久化示例 3.5 验证曲线: 绘制分数以评估模型