sklearn.cross_validation和sklearn.model_estimation有什么区别？
sklearn.cross_validation和sklearn.model_estimation有什么区别？
提问于 2018-07-03 16:31:41
当我运行Python代码进行线性回归时，我想知道导入sklearn.model_estimation和sklearn.cross_validation之间的区别。
我发现sklearn.model_estimation调用了一个名为next(ShuffleSplit().split(X, y))的方法，而sklearn.cross_validation调用了一个名为next(iter(ShuffleSplit(n_samples)))的方法，但我仍然不知道这两个方法实际执行的是什么区别。
寻求帮助。
提前谢谢。
回答 1
Stack Overflow用户
发布于 2018-07-03 19:27:33
cross_validation是以前在scikit中使用的一个较旧的包。model_selection是cross_validation的较新替代品(以及其他一些)。它在其中定义的类中有一些结构上的变化。
因此，以前在cross_validation中的相同类现在出现在model_selection中，但行为发生了变化(输入参数、输出类型、属性等)。
因此，您应该始终使用model_selection中的类。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51149995
复制相关文章
相似问题
腾讯云开发者
