sklearn.model_selection.LeaveOneOut¶

class sklearn.model_selection.LeaveOneOut

[源码]

留一法交叉验证器。

提供训练集或测试集的索引以将数据切分为训练集或测试集。每个样本作为一个测试集(单例)使用一次，而其余的样本形成训练集。

注意：LeaveOneOut()相当于KFold(n_splits=n)和 LeavePOut(p=1)，其中n为样本数。

由于测试集数量众多（与样本数量相同），因此这种交叉验证方法可能会非常耗时。对于大型数据集应该偏向于KFold，ShuffleSplit 或StratifiedKFold。

在用户指南中阅读更多内容。

另见：

LeaveOneGroupOut 用于根据数据集的显式，特定于领域的分层来切分数据。

GroupKFold 具有非重叠组的K折叠迭代器变体。

示例

>>> import numpy as np
>>> from sklearn.model_selection import LeaveOneOut
>>> X = np.array([[1, 2], [3, 4]])
>>> y = np.array([1, 2])
>>> loo = LeaveOneOut()
>>> loo.get_n_splits(X)
2
>>> print(loo)
LeaveOneOut()
>>> for train_index, test_index in loo.split(X):
...     print("TRAIN:", train_index, "TEST:", test_index)
...     X_train, X_test = X[train_index], X[test_index]
...     y_train, y_test = y[train_index], y[test_index]
...     print(X_train, X_test, y_train, y_test)
TRAIN: [1] TEST: [0]
[[3 4]] [[1 2]] [2] [1]
TRAIN: [0] TEST: [1]
[[1 2]] [[3 4]] [1] [2]

方法

方法	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，/，* args，** kwargs ）

初始化self。详情可参阅 type（self）的帮助。

get_n_splits（self，X，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	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	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,)。监督学习问题的目标变量。
groups	array-like of shape (n_samples,), default=None 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。