Cross Validationが2重

Question

def cv_rmse(model, X=X):
    rmse = np.sqrt(-cross_val_score(model, X, y, scoring="neg_mean_squared_error", cv=kfolds))
    return (rmse)

ridge = make_pipeline(RobustScaler(), RidgeCV(alphas=alphas_alt, cv=kfolds))

score = cv_rmse(ridge)

上記コードはKaggleのnotebookにあったものです。
https://www.kaggle.com/jesucristo/1-house-prices-solution-top-1

RidgeCVをググるとCross Validation 込みのモデルになっています。
上記コードのcv_rmse関数はCross ValidationのScoreを返します。

疑問はRidgeCVのCross Validationとcv_rmse関数のCross Validationで2重になってると思いました。
この使い方は正しいのでしょうか？

Answer 1

Kaggleのnotebookの方はトップクラスの方ですね。
私なら疑問も持たず盲信してしまいますが、、、それじゃ駄目ですね。

Kaggleでは精度を上げるために相当複雑な処理を組み立てています。

記事のIn[40]: にあります通り、7つの手法の精度比較をRMSEで見るためにcv_rmseしているのかと

それぞれの分析手法の方でもRidgeだけではなく、他もCVしていますね。

パラメータを最適化するためにCVしている
精度比較をサンプルにより偏らせないためにCVしている

ということで得に不思議はないかと思います。