Ctrl+K

StratifiedKFold#

class sklearn.model_selection.StratifiedKFold(n_splits=5, *, shuffle=False, random_state=None)[源代码]#

分层K-Fold交叉验证器。

提供训练/测试索引以拆分训练/测试集中的数据。

此交叉验证对象是KFold的变体，它返回分层折叠。折叠是通过保留每个类别的样本百分比来制成的。

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

折叠次数。必须至少为2。

在 0.22 版本发生变更: n_splits 默认值从3更改为5。

shuffle布尔，默认=假

在分成批次之前是否对每个类别的样本进行洗牌。请注意，每个拆分中的样本不会被打乱。

random_stateint，RandomState实例或无，默认=无

当 shuffle 是真的， random_state 影响索引的排序，这控制每个类的每个折叠的随机性。否则，离开 random_state 作为 None .传递int以获得跨多个函数调用的可重复输出。看到 Glossary .

参见

RepeatedStratifiedKFold

重复分层K折叠n次。

注意到

该实施旨在：

  • 生成测试集，使所有测试集都包含相同的类分布，或尽可能接近。

  • 对类别标签保持不变：重新标签 y = ["Happy", "Sad"] 到 y = [1, 0] 不应更改生成的索引。

  • 在以下情况下，保留数据集排序中的顺序依赖关系 shuffle=False ：某个测试集中k类的所有样本在y中是连续的，或者在y中被k类以外的样本分开。

  • 生成最小和最大的测试集最多相差一个样本的测试集。

在 0.22 版本发生变更: 之前的实现没有遵循最后一个约束。

示例

>>> import numpy as np
>>> from sklearn.model_selection import StratifiedKFold
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 1, 1])
>>> skf = StratifiedKFold(n_splits=2)
>>> skf.get_n_splits(X, y)
2
>>> print(skf)
StratifiedKFold(n_splits=2, random_state=None, shuffle=False)
>>> for i, (train_index, test_index) in enumerate(skf.split(X, y)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}")
...     print(f"  Test:  index={test_index}")
Fold 0:
  Train: index=[1 3]
  Test:  index=[0 2]
Fold 1:
  Train: index=[0 2]
  Test:  index=[1 3]
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。

split(X, y, 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。

请注意，提供 y 足以产生分裂，因此 np.zeros(n_samples) 可用作占位符 X 而不是实际的训练数据。

y形状类似阵列（n_samples，）

监督学习问题的目标变量。分层是根据y标签完成的。

groups对象

总是被忽略，存在是为了兼容性。

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