sklearn.model_selection.StratifiedKFold¶
class sklearn.model_selection.StratifiedKFold(n_splits=5, *, shuffle=False, random_state=None)
[源码]
分层K折交叉验证器。
提供训练集或测试集索引以将数据切分为训练集或测试集。
此交叉验证对象是KFold的变体，它返回分层的折叠。折叠是通过保留每个类别的样本百分比来进行的。
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。 |
| shuffle | bool, default=False 在切分之前是否打乱每个类别的样本。请注意，每次切分内的样本都不会被打乱。 |
| random_state | int or RandomState instance, default=None 当 shuffle为True时，random_state会影响索引的顺序，从而控制每个类别的每一折的随机性。否则，保留random_state为None。为多个函数调用传递可重复输出的int值。请参阅词汇表。 |
另见：RepeatedStratifiedKFold 重复分层K折n次。
注
该实现旨在：
生成测试集，使它们全部包含相同的类分布，或尽可能接近。 类标签不变：重新将 y = ["Happy", "Sad"]标记为y = [1, 0]，不应更改生成的索引。当 shuffle=False时，保留数据集排序中的顺序依赖关系 ：在一些测试集中，类别k中的所有样本在y中是连续的，或在y中被除k以外的类别的样本所分隔。生成最小和最大相差最多一个样本的测试集。
版本0.22中的更改：先前的实现未遵循最后的约束。
示例
>>> import numpy as np
>>> from sklearn.model_selection import StratifiedKFold
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 1, 1])
>>> skf = StratifiedKFold(n_splits=2)
>>> skf.get_n_splits(X, y)
2
>>> print(skf)
StratifiedKFold(n_splits=2, random_state=None, shuffle=False)
>>> for train_index, test_index in skf.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 3] TEST: [0 2]
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切分迭代次数 |
split(self, X, y[, groups]) |
生成索引以将数据分为训练集和测试集。 |
__init__（self，n_splits = 5，*，shuffle = False，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，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。 请注意，提供 y足以生成拆分，因此np.zeros(n_samples)可以用作占位符， X而不是实际的训练数据。 |
| y | array-like of shape (n_samples,) 监督学习问题的目标变量。根据y标签进行分层。 |
| 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。 |
