我了解到 cross_val_predict / cross_val 会在训练阶段训练 n 个外折模型，然后聚合它们以生成最终预测。现在，我想使用这些已拟合的模型来预测测试数据。我可以使用 for 循环来收集测试数据的预测并聚合它们，但在询问是否有内置的 sklearn 方法之前，我想先问一下有吗？

from sklearn.model_selection import cross_val_predict, train_test_split
diabetes = datasets.load_diabetes()
X = diabetes.data[:150]
y = diabetes.target[:150]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
lasso = linear_model.Lasso()
y_train_hat = cross_val_predict(lasso, X_train, y_train, cv=3)
y_test_hat = do_somthing(lasso, X_test)

感谢

回答：

你通过 cross_val_predict 得到的 3 个模型并未被保存，因此你无法用它们进行预测。你可以使用 cross_validate 并设置 return_estimator=True。这样你仍然会得到三个模型，你需要手动使用这些模型进行预测并聚合结果。（原则上，你可以将这些模型放入一个集成模型中，如 VotingClassifier，但目前为止没有 prefit 参数来阻止重新拟合你的估计器。关于此问题的一些讨论可以在 Issue 7382 和从那里链接的页面中找到。）