sklearn.model_selection.PredefinedSplit¶
class sklearn.model_selection.PredefinedSplit(test_fold)
[源码]
预定义的切分交叉验证器。
提供训练集或测试集的索引,使用用户通过test_fold
参数指定的预定义方案将数据分为训练集或测试集。
在用户指南中阅读更多内容。
版本0.16中的新功能。
参数 | 说明 |
---|---|
test_fold | array-like of shape (n_samples,) 输入 test_fold[i] 表示样本i 所属的测试集的索引。通过将test_fold[i] 值设置为-1,可以从任何测试集中排除样本i (即在每个训练集中包括样本i )。 |
示例
>>> import numpy as np
>>> from sklearn.model_selection import PredefinedSplit
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 1, 1])
>>> test_fold = [0, 1, -1, 1]
>>> ps = PredefinedSplit(test_fold)
>>> ps.get_n_splits()
2
>>> print(ps)
PredefinedSplit(test_fold=array([ 0, 1, -1, 1]))
>>> for train_index, test_index in ps.split():
... 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]
TRAIN: [1 2 3] TEST: [0]
TRAIN: [0 2] TEST: [1 3]
方法
方法 | 说明 |
---|---|
get_n_splits (self[, X, y, groups]) |
返回交叉验证器中的拆分迭代次数。 |
split (self[, X, y, groups]) |
生成索引以将数据分为训练集和测试集。 |
__init__(self, test_fold)
[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 = None,y = None,groups = None )
[源码]
生成索引以将数据分为训练和测试集。
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。 |
输出 | 说明 |
---|---|
train | ndarray 切分的训练集索引。 |
test | ndarray 切分的测试集索引。 |