sklearn.model_selection.StratifiedShuffleSplit¶
class sklearn.model_selection.StratifiedShuffleSplit(n_splits=10, *, test_size=None, train_size=None, random_state=None)
[源码]
分层随机切分交叉验证器。
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。
这个交叉验证对象是StratifiedKFold和ShuffleSplit的合并，返回分层的随机折叠。折叠是通过保留每个类别的样本百分比来进行的。
注意：像ShuffleSplit策略一样，分层随机切分并不能保证所有折叠都会不同，尽管这对于大型数据集仍然很有可能。
在用户指南中阅读更多内容。
| 参数 | 说明 |
|---|---|
| n_splits | int, default=10 重新打乱和切分迭代的次数。 |
| test_size | float or int, default=None 如果为float，则应在0.0到1.0之间，表示要包括在测试集切分中的数据集的比例。如果为int，表示测试集样本的绝对数量。如果为None，则将值设置为训练集大小的补集。如果 train_size也是None，则将其设置为0.1。 |
| train_size | float or int, default=None 如果为float，则应在0.0到1.0之间，表示要包含在训练集切分中的数据集的比例。如果为int，则表示训练集样本的绝对数量。如果为None，则该值将自动设置为测试集大小的补集。 |
| random_state | int or RandomState instance, default=None 控制所产生的训练集和测试集索引的随机性。为多个函数调用传递可重复输出的int值。请参阅词汇表。 |
示例
>>> import numpy as np
>>> from sklearn.model_selection import StratifiedShuffleSplit
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 0, 1, 1, 1])
>>> sss = StratifiedShuffleSplit(n_splits=5, test_size=0.5, random_state=0)
>>> sss.get_n_splits(X, y)
5
>>> print(sss)
StratifiedShuffleSplit(n_splits=5, random_state=0, ...)
>>> for train_index, test_index in sss.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: [5 2 3] TEST: [4 1 0]
TRAIN: [5 1 4] TEST: [0 2 3]
TRAIN: [5 0 2] TEST: [4 3 1]
TRAIN: [4 1 0] TEST: [2 3 5]
TRAIN: [0 5 1] TEST: [3 4 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]) |
生成索引以将数据分为训练集和测试集。 |
__init__（self，n_splits = 10，*，test_size = None，train_size = None，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 返回交叉验证器中切分迭代的次数。 |
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，提供的 y足以进行切分，因此可以使用np.zeros(n_samples)作为X的占位符， 而不是实际的训练数据。 |
| y | array-like of shape (n_samples,) or (n_samples, n_labels) 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 | 切分的训练集索引。 |
| test | ndarray 切分的测试集索引。 |
注
随机CV分割器可能会为每个切分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。
