手把手教你可视化交叉验证代码，提高模型预测能力

我们试着利用代码可视化来提高模型预测能力～

比如说，你正在编写一个漂亮清晰的机器学习代码（例如线性回归）。你的代码还不错，首先按照往常一样用 train_test_split 这样的函数将数据集分成「训练集和测试集」两个部分，并加入一些随机因素。你的预测可能稍微欠拟合或过拟合，如下图所示。

图：欠拟合和过拟合情况下的预测结果

这些结果没有变化。这个时候我们能做什么呢？

正如题目所建议的，在学习了线性回归之后，下一件有趣的事情就是交叉验证了，因为它可以使用 K 折策略（K-Fold strategy）提高模型的预测能力。那 K 折究竟是什么呢？下面我们将用代码对此进行解释。

完整的代码如下：

图：交叉验证的可视化

代码解析：

以上代码可分为 4 个步骤。

1. 加载并分割目标数据集。

图：加载数据集

将该数据集中的目标复制到 y 变量中。如果想看到数据集，请将 print 行的注释取消。

2. 模型选择

图：模型选择（LinearRegression（））

为简化过程，我们将选择使用线性回归。如果想了解更多，请查看文章《Linear Regression: The Easier Way》。

3. 交叉验证

图：在 sklearn 中进行交叉验证

这是 sklearn 中的流程，也是一个函数：

cross_val_predict(model, data, target, cv)

其中，

• model 是我们选来要进行交叉验证的模型。
  
• data 是数据。
  
• target 是数据的目标值。
  
• cv（可选项）是数据折叠的总次数（K 折）。
  

在这个流程中，我们不像往常一样将数据集分成训练集和测试集两部分，如下图所示。

图：训练集（蓝色）和测试集（红色）

我们将数据集平均分成 K 个部分（K 折或者 cv）。为了提高预测精度并实现更好地泛化，我们会在较大的数据集中进行模型训练，在较小的数据集上测试。这里，我们把 cv 设置成 6。

图：6 个相同的部分

现在，模型分割的第一次迭代如下图所示，其中红色的是测试集，蓝色的是训练集。

图：交叉验证的第一次迭代

第二次迭代如下图所示：

图：交叉验证的第二次迭代

以此类推，直到最后一次迭代，如下图所示：

图：交叉验证的第六次迭代

4. 使用 Matplotlib 进行数据可视化

图：使用 Matplotlib 进行可视化

为了将结果可视化，我们导入了 matplotlib 库，然后创建一个 subplot（子图）。

创建采用黑色（即 (0,0,0)）边框的散点。

使用 ax.plot 计算两个轴的最大最小值，k-- 代表线型，lw=4 代表宽度。然后，给 x 轴和 y 轴加上标签。最后，用 plt.show() 展示图像。

结果如下：

图：预测结果

这张图展示了使用线性回归模型对 Boston 数据集进行 K 折交叉验证的结果。

我知道其实还有很多种交叉验证方法，但 K 折交叉验证是一个很好、很简单的起点。

完整代码地址：https://github.com/Sagarsharma4244/Cross-Validation