sklearn.model_selection.GroupShuffleSplit¶
class sklearn.model_selection.GroupShuffleSplit(n_splits=5, *, test_size=None, train_size=None, random_state=None)
[源码]
随机分组交叉验证迭代器。
提供训练集或测试集索引，以根据第三方提供的组切分数据。该组信息可用于将样本任意领域的特定分层编码为整数。
例如，组可以是收集的年份的样本，因此允许针对基于时间的切分进行交叉验证。
LeavePGroupsOut和GroupShuffleSplit之间的区别在于，前者使用大小为p的唯一组的所有子集进行切分，而GroupShuffleSplit使用由用户确定数量的随机测试集进行切分，每个都有由用户确定的唯一组分数。
例如， LeavePGroupsOut(p=10)的计算量较少的替代方案将是 GroupShuffleSplit(test_size=10, n_splits=100)
注意：参数test_size和train_size指的是组，而不是指ShuffleSplit中的样本。
| 参数 | 说明 |
|---|---|
| n_splits | int, default=5 重新改组和切分迭代的次数。 |
| test_size | float, int, default=0.2 如果为float，则应在0.0到1.0之间，表示要包括在测试集切分中的组的比例（向上舍入）。如果为int，表示测试组的绝对数量。如果为None，则将值设置为训练集大小的补充。默认值将在0.21版中更改。仅当 train_size未指定时，它将保持为0.2 ，否则将补充指定的train_size。 |
| train_size | float or int, default=None 如果为float，则应在0.0到1.0之间，表示要包括在训练集切分中的组的比例。如果为int，则表示训练集组的绝对数量。如果为“无”，则该值将自动设置为测试集大小的补充。 |
| random_state | int or RandomState instance, default=None 控制所产生的训练集和测试集索引的随机性。为多个函数调用传递可重复输出的int值。请参阅词汇表。 |
示例
>>> 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
>>> for train_idx, test_idx in gss.split(X, y, groups):
... print("TRAIN:", train_idx, "TEST:", test_idx)
TRAIN: [2 3 4 5 6 7] TEST: [0 1]
TRAIN: [0 1 5 6 7] TEST: [2 3 4]
方法
| 参数 | 说明 |
|---|---|
get_n_splits(self[, X, y, groups]) |
返回交叉验证器中的切分迭代次数 |
split(self, X[, y, groups]) |
生成索引以将数据切分为训练集和测试集。 |
__init__(self, n_splits=5, *, test_size=None, train_size=None, random_state=None)
[源码]
初始化self。详情可参阅 type（self）的帮助。
get_n_splits（self，X = None，y = None，groups = None ）
[源码]
返回交叉验证器中的切分迭代次数。
| 参数 | 说明 |
|---|---|
| X | object 始终被忽略，为了兼容性而存在。 |
| y | object 始终被忽略，为了兼容性而存在。 |
| groups | object 始终被忽略，为了兼容性而存在。 |
| 返回值 | 说明 |
|---|---|
| n_splits | int 返回交叉验证器中拆分迭代的次数。 |
split（self，X，y = None，groups = None ）
[源码]
生成索引以将数据分为训练集和测试集。
| 参数 | 说明 |
|---|---|
| X | array-like of shape (n_samples, n_features) 用于训练的数据，其中n_samples是样本数量，n_features是特征数量。 |
| y | array-like of shape (n_samples,), default=None 监督学习问题的目标变量。 |
| groups | array-like of shape (n_samples,) 将数据集切分为训练集或测试集时使用的样本的分组标签。 |
| 输出 | 说明 |
|---|---|
| train | ndarray 切分的训练集索引。 |
| test | ndarray 切分的测试集索引。 |
注
随机CV切分器可能会为每个切分调用返回不同的结果。您可以通过设置random_state 为整数来使结果相同。
