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。