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。

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([[12], [34], [12], [34], [12], [34]])
>>> y = np.array([000111])
>>> 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。

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。

sklearn.model_selection.StratifiedShuffleSplit使用示例