[python] 교차검증을 간단하게 cross_val_score()

sklearn은 kfold 교차검증을 보다 편리하게 수행할 수 있는 API를 제공합니다.

바로 cross_val_score() 인데요!

기존에 폴드 세트를 지정하고, for 루프에서 반복으로 학습 및 테스트 데이터의 인덱스를 추출하고, 반복적으로 학습과 예측을 수행하는 일련의 과정을 한번에 수행해주는 API입니다.

특히 classifier 학습을 진행하는 경우 자동으로 stratified KFold 방식을 진행해주기 때문에 더할나위 없이 편하다고 할 수 있겠네요!

---

cross_val_score() 사용법

cross_val_score(estimator, X, y, scoring=평가지표, cv=교차 검증 폴드 수) 까지가 주요 파라미터라고 할 수 있습니다.

* 여기서 estimator가 classifier 종류이면 내부적으로 stratified KFold 로 진행된다는 뜻 !

 

cv로 지정된 횟수만큼 scoring 파라미터로 지정된 평가 지표로 평가 결괏값을 배열로 반환합니다.

그리고 이를 평균하여 평가 수치로 활용하는 것이 일반적입니다.

### sklearn 기본 데이터인 iris 데이터 활용
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import cross_val_score
from sklearn.datasets import load_iris

iris_data = load_iris()
dt_clf = DecisionTreeClassifier(random_state=42)

data = iris_data.data ## X
label = iris_data.target ## y

### 성능지표는 정확도(accuracy), 교차 검증 세트 3개
scores = cross_val_score(dt_clf, data, label, scoring='accuracy', cv=3)
print('교차 검증별 정확도 : ', np.round(scores, 4))
print('교차 검증 평균 :', np.round(np.mean(scores),4))

이는 DecisionTreeClassifier로 자동적으로 stratified KFold가 수행되었습니다.