为何向cross_val_predict传入已拟合的SGD分类器？

• cross_val_predict的内部逻辑：
  scikit-learn的cross_val_predict函数有个核心特性——不管你传入的模型是否已经拟合过，它在每一轮交叉验证时，都会自动克隆一个该模型的“干净”未拟合副本，用当前的训练折数据重新训练这个副本，再用它对测试折做预测。所以你传入已拟合的sgd_clf，并不会直接用它已有的参数去预测，内部会重置模型重新训练。作者这里直接传之前定义好的模型对象，只是代码编写上的便捷操作。

• 为什么不直接用已拟合模型预测完整训练集？
  如果直接用已拟合的sgd_clf对X_train做预测，得到的是模型在训练过的数据上的结果，这会严重高估模型的实际泛化能力（模型已经记住了训练数据的细节）。而混淆矩阵的作用是评估模型在新数据上的表现，需要无偏的预测结果。cross_val_predict通过交叉验证，让每一个训练样本都被当作测试数据，由用其他2/3训练数据训练出的模型来预测，这样得到的y_train_pred能真实反映模型的泛化性能，基于它计算的混淆矩阵才有参考价值。

• 为什么不传入未拟合的分类器？
  其实效果完全一致。你传一个未拟合的SGDClassifier()，和传已经拟合过的sgd_clf，cross_val_predict内部都会克隆出未拟合的模型副本重新训练。作者只是沿用了之前代码里已经定义好的模型对象，没必要重复创建新的未拟合模型，属于合理的代码复用。

内容的提问来源于stack exchange，提问作者A_cat