(1.1) sklearn.model_selection.KFold(n_splits=3, shuffle=False, random_state=None)

這個數據分割器與之前學到的 GroupKFold()和GroupShuffleSplit() 有很大的不同，這個分割器既不要求我們對數據進行預先的分組（及運行split()函數是要求提供 groups 參數），也不讓我們自行定義每次分割時test數據和train數據分別占總數據的比例（初始化GroupShuffleSplit()實例時傳入的test_size和train_size參數）。只需我們簡單的傳入一個n_splits參數即可(如果要求分割時為隨機采樣數據進行分割，則需傳入shuffle=true，默認為根據采樣點出現的先后順序連續的將數據分成 k 份，n_splits參數與 k-fold 中的 k 相對應）。調用KFold()實例的方法split()時，將數據平均分割為 k 份，每次取其中的一份作為 validation 數據，其余的 k-1 份作為訓練數據，總共進行 k 次，每次都返回的為 train/validation 數據的下標。
example： from sklearn.model_selection import KFold import numpy as np x = np.arange(48).reshape(12,4) # 生成數據集 y = np.array([0,0,0,1,1,0,1,1,0,1,1,0]) # 生成對應的label spliter = KFold(n_splits=4, shuffle=False) # 用KFold初始化一個數據分割器，將數據分割為 4 個 fold for train_index, test_index in spliter.split(x, y): print("Train data index: ", train_index, "Test data index: ", test_index) print("Train data: ", x[train_index], "Test data: ", x[test_index]) print("Train label: ", y[train_index], "Test label: ", y[test_index]) print("\n")

輸出如下： Train data index:? [ 3? 4? 5? 6? 7? 8? 9 10 11] Test data index:? [0 1 2]
Train data:? [[12 13 14 15]
?[16 17 18 19]
?[20 21 22 23]
?[24 25 26 27]
?[28 29 30 31]
?[32 33 34 35]
?[36 37 38 39]
?[40 41 42 43]
?[44 45 46 47]] Test data:? [[ 0? 1? 2? 3]
?[ 4? 5? 6? 7]
?[ 8? 9 10 11]]
Train label:? [1 1 0 1 1 0 1 1 0] Test label:? [0 0 0]
Train data index:? [ 0? 1? 2? 6? 7? 8? 9 10 11] Test data index:? [3 4 5]
Train data:? [[ 0? 1? 2? 3]
?[ 4? 5? 6? 7]
?[ 8? 9 10 11]
?[24 25 26 27]
?[28 29 30 31]
?[32 33 34 35]
?[36 37 38 39]
?[40 41 42 43]
?[44 45 46 47]] Test data:? [[12 13 14 15]
?[16 17 18 19]
?[20 21 22 23]]
Train label:? [0 0 0 1 1 0 1 1 0] Test label:? [1 1 0]
Train data index:? [ 0? 1? 2? 3? 4? 5? 9 10 11] Test data index:? [6 7 8]
Train data:? [[ 0? 1? 2? 3]
?[ 4? 5? 6? 7]
?[ 8? 9 10 11]
?[12 13 14 15]
?[16 17 18 19]
?[20 21 22 23]
?[36 37 38 39]
?[40 41 42 43]
?[44 45 46 47]] Test data:? [[24 25 26 27]
?[28 29 30 31]
?[32 33 34 35]]
Train label:? [0 0 0 1 1 0 1 1 0] Test label:? [1 1 0]
Train data index:? [0 1 2 3 4 5 6 7 8] Test data index:? [ 9 10 11]
Train data:? [[ 0? 1? 2? 3]
?[ 4? 5? 6? 7]
?[ 8? 9 10 11]
?[12 13 14 15]
?[16 17 18 19]
?[20 21 22 23]
?[24 25 26 27]
?[28 29 30 31]
?[32 33 34 35]] Test data:? [[36 37 38 39]
?[40 41 42 43]
?[44 45 46 47]]
Train label:? [0 0 0 1 1 0 1 1 0] Test label:? [1 1 0]

總結

以上是生活随笔為你收集整理的sklearn 学习之 model_selection的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。