Ctrl+K

GroupShuffleSplit#

class sklearn.model_selection.GroupShuffleSplit(n_splits=5, *, test_size=None, train_size=None, random_state=None)[源代码]#

Shuffle-Group（s）-Out交叉验证迭代器。

提供随机训练/测试指数，以根据第三方提供的组拆分数据。该组信息可用于将样本的任意域特定分层编码为整元。

例如，这些组可能是样本收集的年份，因此允许针对基于时间的拆分进行交叉验证。

的区别 LeavePGroupsOut 和 GroupShuffleSplit 前者使用所有大小的子集生成拆分， p 独特的群体，而 GroupShuffleSplit 生成用户确定数量的随机测试拆分，每个测试拆分具有用户确定的唯一组比例。

例如，计算密集度较低的替代方案 LeavePGroupsOut(p=10) 将是 GroupShuffleSplit(test_size=10, n_splits=100) .

与其他交叉验证策略相反，随机拆分并不能保证所有折叠中的测试集相互排斥，并且可能包括重叠的样本。然而，对于相当大的数据集来说，这仍然很有可能。

注：参数 test_size 和 train_size 指的是组，而不是像中那样指的样本 ShuffleSplit .

阅读更多的 User Guide .

有关交叉验证行为的可视化以及常见scikit-learn拆分方法之间的比较，请参阅 在scikit-learn中可视化交叉验证行为

参数:
n_splitsint，默认=5

重新洗牌和拆分迭代的次数。

test_sizefloat，int，默认=无

如果是浮动的，则应介于0.0和1.0之间，并表示测试拆分中包含的组的比例（向上四舍五入）。如果是int，则表示测试组的绝对数量。如果无，则该值设置为列车大小的补数。如果 train_size 也是无，则将设置为0.2。

train_sizefloat或int，默认=无

如果浮动，则应介于0.0和1.0之间，并代表要包含在列车拆分中的组的比例。如果是int，则表示火车组的绝对数量。如果无，该值将自动设置为测试大小的补数。

random_stateint，RandomState实例或无，默认=无

控制产生的培训和测试指标的随机性。传递int以获得跨多个函数调用的可重复输出。看到 Glossary .

参见

ShuffleSplit

洗牌样本以创建独立的测试/训练集。

LeavePGroupsOut

火车组省略了所有可能的子集 p 组

示例

>>> import numpy as np
>>> from sklearn.model_selection import GroupShuffleSplit
>>> X = np.ones(shape=(8, 2))
>>> y = np.ones(shape=(8, 1))
>>> groups = np.array([1, 1, 2, 2, 2, 3, 3, 3])
>>> print(groups.shape)
(8,)
>>> gss = GroupShuffleSplit(n_splits=2, train_size=.7, random_state=42)
>>> gss.get_n_splits()
2
>>> print(gss)
GroupShuffleSplit(n_splits=2, random_state=42, test_size=None, train_size=0.7)
>>> for i, (train_index, test_index) in enumerate(gss.split(X, y, groups)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}, group={groups[train_index]}")
...     print(f"  Test:  index={test_index}, group={groups[test_index]}")
Fold 0:
  Train: index=[2 3 4 5 6 7], group=[2 2 2 3 3 3]
  Test:  index=[0 1], group=[1 1]
Fold 1:
  Train: index=[0 1 5 6 7], group=[1 1 3 3 3]
  Test:  index=[2 3 4], group=[2 2 2]
get_metadata_routing()[源代码]#

获取此对象的元数据路由。

请检查 User Guide 关于路由机制如何工作。

返回:
routingMetadataRequest

A MetadataRequest 封装路由信息。

get_n_splits(X=None, y=None, groups=None)[源代码]#

返回交叉验证器中分裂迭代的数量。

参数:
X对象

总是被忽略，存在是为了兼容性。

y对象

总是被忽略，存在是为了兼容性。

groups对象

总是被忽略，存在是为了兼容性。

返回:
n_splitsint

返回交叉验证器中分裂迭代的数量。

set_split_request(*, groups: bool | None | str = '$UNCHANGED$') → GroupShuffleSplit[源代码]#

请求元数据传递给 split 法

请注意，此方法仅适用于以下情况 enable_metadata_routing=True （见 sklearn.set_config ).请参阅 User Guide 关于路由机制如何工作。

The options for each parameter are:

  • True ：元数据被请求并传递给 split 如果提供的话。如果未提供元数据，则会忽略请求。

  • False ：未请求元数据，元估计器不会将其传递给 split .

  • None ：不请求元数据，如果用户提供元估计器，则元估计器将引发错误。

  • str ：元数据应通过此给定别名而不是原始名称传递给元估计器。

默认 (sklearn.utils.metadata_routing.UNCHANGED ）保留现有请求。这允许您更改某些参数的请求，而不是其他参数。

Added in version 1.3.

备注

只有当该估计器用作元估计器的子估计器时，该方法才相关，例如在 Pipeline .否则就没有效果了。

参数:
groups字符串、真、假或无， 默认=sklearn.utils. metalics_Routing.UNChanged

元数据路由 groups 参数 split .

返回:
self对象

更新的对象。

split(X, y=None, groups=None)[源代码]#

生成索引将数据拆分为训练集和测试集。

参数:
X形状类似阵列（n_samples，n_features）

训练数据，在哪里 n_samples 是样本数量和 n_features 是功能的数量。

y形状类似数组（n_samples，），默认=无

监督学习问题的目标变量。

groups形状类似阵列（n_samples，）

Group labels for the samples used while splitting the dataset into train/test set.

收益率:
trainndarray

训练为该分裂设置了指数。

testndarray

测试为该分裂设置了指数。

注意到

随机CV拆分器可能会为每次拆分调用返回不同的结果。您可以通过设置使结果相同 random_state 转换为一个整。

On this page