在KerasRegressor上使用交叉验证时，如何获得不同fits的历史记录？

在KerasRegressor上使用交叉验证时，可以通过使用Scikit-learn库中的cross_val_score函数来获得不同fits的历史记录。cross_val_score函数可以帮助我们进行交叉验证，并返回每个fold的得分。

下面是一个示例代码，展示了如何在KerasRegressor上使用交叉验证并获得不同fits的历史记录：

from keras.wrappers.scikit_learn import KerasRegressor
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import KFold

# 定义一个Keras模型函数
def create_model():
    # 在这里定义你的Keras模型
    model = ...
    return model

# 创建一个KerasRegressor对象
model = KerasRegressor(build_fn=create_model, epochs=10, batch_size=32)

# 创建一个KFold对象，指定折数
kfold = KFold(n_splits=5)

# 使用cross_val_score进行交叉验证，并获得不同fits的历史记录
results = cross_val_score(model, X, y, cv=kfold)

# 打印每个fold的得分
for i, result in enumerate(results):
    print("Fold {}: {}".format(i+1, result))

在上述代码中，我们首先定义了一个Keras模型函数create_model()，在这个函数中可以定义我们的Keras模型。然后，我们创建了一个KerasRegressor对象，并指定了模型函数、训练的epochs和batch_size等参数。

接下来，我们创建了一个KFold对象，指定了交叉验证的折数。然后，我们使用cross_val_score函数进行交叉验证，并将KerasRegressor对象、输入数据X和目标数据y以及KFold对象作为参数传入。

最后，我们可以通过遍历results数组，打印每个fold的得分。

需要注意的是，上述代码中的X和y代表输入数据和目标数据，你需要根据具体的问题进行替换。

关于KerasRegressor和交叉验证的更多信息，你可以参考腾讯云的相关产品和文档：