Ctrl+K

StratifiedShuffleSplit#

class sklearn.model_selection.StratifiedShuffleSplit(n_splits=10, *, test_size=None, train_size=None, random_state=None)[源代码]#

分层ShuffleSplit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 StratifiedKFold 和 ShuffleSplit ，它返回分层的随机折叠。折叠是通过保留每个类别的样本百分比来制成的。

注：喜欢 ShuffleSplit 策略中，分层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。

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，默认值=10

重新洗牌和拆分迭代的次数。

test_sizefloat或int，默认=无

如果为浮点数，则应介于0.0和1.0之间，表示要包含在测试拆分中的数据集的比例。如果为int，则表示测试样本的绝对数量。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0.1。

train_sizefloat或int，默认=无

如果是浮动的，则应介于0.0和1.0之间，并表示要包含在列车拆分中的数据集比例。如果是int，则表示火车样本的绝对数。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 .

示例

>>> import numpy as np
>>> from sklearn.model_selection import StratifiedShuffleSplit
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 0, 1, 1, 1])
>>> sss = StratifiedShuffleSplit(n_splits=5, test_size=0.5, random_state=0)
>>> sss.get_n_splits(X, y)
5
>>> print(sss)
StratifiedShuffleSplit(n_splits=5, random_state=0, ...)
>>> for i, (train_index, test_index) in enumerate(sss.split(X, y)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}")
...     print(f"  Test:  index={test_index}")
Fold 0:
  Train: index=[5 2 3]
  Test:  index=[4 1 0]
Fold 1:
  Train: index=[5 1 4]
  Test:  index=[0 2 3]
Fold 2:
  Train: index=[5 0 2]
  Test:  index=[4 3 1]
Fold 3:
  Train: index=[4 1 0]
  Test:  index=[2 3 5]
Fold 4:
  Train: index=[0 5 1]
  Test:  index=[3 4 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。

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，）或（n_samples，n_labels）

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