我的问题是理论性的而非技术性的，因此我没有在这里发布我的代码，因为代码可以在sklearn网站上找到。
我构建了一个分类器，并使用sklearn进行了5折交叉验证。在我的代码中，我在每个折中计算了各种准确性参数，如敏感性、特异性、F1分数等。完成5折交叉验证后，我平均了所有准确性参数。
最后，我的脚本创建了一个ROC曲线以及AUC得分，并为其他准确性参数生成直方图，并生成一个HTML报告文件。
交叉验证意味着内部测试，但当我使用外部测试数据集时，问题就开始了。
我的问题是，如何预测外部数据集，以下方法中哪一种是正确的？
-
交叉验证后，保存从每个折中平均参数的模型，并使用此模型预测外部测试集并计算评估报告。如果是这样，我该如何操作？你能展示一个例子代码，帮助我保存n折交叉验证后的模型吗？
-
使用整个数据集构建模型，保存模型以预测外部测试集并计算评估报告。如果这是正确的方法，谢谢，我知道代码。
-
是否有我遗漏的其他方法，请分享。
谢谢你。
回答：
正确的方法是
使用整个数据集构建模型，保存模型以预测外部测试集并计算评估报告
原因是我们仅使用交叉验证来衡量超参数的性能。我们通过将每个折作为测试折一次来做到这一点，这意味着每个数据点都有机会作为测试数据点一次。
