我在使用 sklearn 进行 SVM 训练。我使用交叉验证来评估估计器，并避免模型过拟合。

我将数据分为两部分：训练数据和测试数据。以下是代码：

import numpy as npfrom sklearn import cross_validationfrom sklearn import datasetsfrom sklearn import svmX_train, X_test, y_train, y_test = cross_validation.train_test_split(    iris.data, iris.target, test_size=0.4, random_state=0)clf = svm.SVC(kernel='linear', C=1)scores = cross_validation.cross_val_score(clf, X_train, y_train, cv=5)print scores

现在我需要在 X_test 上评估估计器 clf。

clf.score(X_test, y_test)

在这里，我得到一个错误，说

模型未使用 fit() 进行拟合

但通常，在 cross_val_score 函数中模型是已经拟合的？问题出在哪里？

回答：

cross_val_score 本质上是 sklearn 交叉验证迭代器 的便捷包装器。你给它一个分类器和你的整个（训练 + 验证）数据集，它会自动执行一次或多次交叉验证，通过将你的数据分割成随机的训练/验证集，拟合训练集，并在验证集上计算得分。请查看这里的文档，了解示例和更多解释。

之所以 clf.score(X_test, y_test) 会引发异常，是因为 cross_val_score 在一个估计器的副本上进行拟合，而不是原始的（参见源代码中 这里 对 clone(estimator) 的使用）。因此，clf 在函数调用之外保持不变，并且在你调用 clf.fit 时未被正确初始化。