sklearn.model_selection.RepeatedStratifiedKFold¶

class sklearn.model_selection.RepeatedStratifiedKFold(*, n_splits=5, n_repeats=10, random_state=None)

[源码]

重复分层K折交叉验证器。

重复分层K折叠n次，每次重复具有不同的随机性。

在用户指南中阅读更多内容。

参数	说明
n_splits	int, default=5 折数。必须至少为2。
n_repeats	int, default=10 交叉验证器需要重复的次数。
random_state	int or RandomState instance, default=None 为每次重复设置随机数种子。为多个函数的调用传递可重复输出的int值。请参阅词汇表。

另见：RepeatedKFold 重复K折n次。

注

随机CV分割器可能会为每个分割调用返回不同的结果。您可以通过设置random_state 为整数使结果相同。

示例

>>> import numpy as np
>>> from sklearn.model_selection import RepeatedStratifiedKFold
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 1, 1])
>>> rskf = RepeatedStratifiedKFold(n_splits=2, n_repeats=2,
...     random_state=36851234)
>>> for train_index, test_index in rskf.split(X, y):
...     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] TEST: [0 3]
TRAIN: [0 3] TEST: [1 2]
TRAIN: [1 3] TEST: [0 2]
TRAIN: [0 2] TEST: [1 3]

方法

参数	说明
`get_n_splits`(self[, X, y, groups])	返回交叉验证器中的拆分迭代次数
`plit`(self, X[, y, groups])	生成索引以将数据分为训练集和测试集。

__init__（self，*，n_splits = 5，n_repeats = 10，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。 `np.zeros(n_samples)`可用作占位符。
y	object 始终被忽略，为了兼容性而存在。 `np.zeros(n_samples)`可用作占位符。
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。

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和测试集。

参数	说明
X	array-like, 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 length 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。