留一交叉验证#

class sklearn.model_selection.LeaveOneOut[source]#

留一交叉验证器。

提供训练/测试索引来将数据分割成训练/测试集。每个样本都被用作一次测试集（单例），而其余样本构成训练集。

注意：LeaveOneOut() 等效于 KFold(n_splits=n) 和 LeavePOut(p=1)，其中 n 是样本数。

由于测试集数量很多（与样本数量相同），这种交叉验证方法可能非常耗费资源。对于大型数据集，应该优先考虑使用KFold、ShuffleSplit 或 StratifiedKFold。

更多信息请阅读用户指南。

另见

留一组交叉验证: 根据数据集的明确的、特定领域的层化来分割数据。
分组 K 折交叉验证: 具有非重叠组的K折迭代器变体。

示例

>>> import numpy as np
>>> from sklearn.model_selection import LeaveOneOut
>>> X = np.array([[1, 2], [3, 4]])
>>> y = np.array([1, 2])
>>> loo = LeaveOneOut()
>>> loo.get_n_splits(X)
2
>>> print(loo)
LeaveOneOut()
>>> for i, (train_index, test_index) in enumerate(loo.split(X)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}")
...     print(f"  Test:  index={test_index}")
Fold 0:
  Train: index=[1]
  Test:  index=[0]
Fold 1:
  Train: index=[0]
  Test:  index=[1]

get_metadata_routing()[源代码]#

获取此对象的元数据路由。

请查看用户指南，了解路由机制的工作原理。

返回：

routingMetadataRequest: 一个MetadataRequest，封装了路由信息。

get_n_splits(X, y=None, groups=None)[源代码]#

返回交叉验证器中的拆分迭代次数。

参数：

Xarray-like of shape (n_samples, n_features): 训练数据，其中n_samples是样本数，n_features是特征数。
yobject: 始终忽略，为了兼容性而存在。
groupsobject: 始终忽略，为了兼容性而存在。

返回：

n_splitsint: 返回交叉验证器中的拆分迭代次数。

split(X, y=None, groups=None)[源代码]#

生成索引，将数据拆分为训练集和测试集。

参数：

Xarray-like of shape (n_samples, n_features): 训练数据，其中n_samples是样本数，n_features是特征数。
yarray-like of shape (n_samples,): 监督学习问题中的目标变量。
groupsobject: 始终忽略，为了兼容性而存在。

产量：

trainndarray: 该分割的训练集索引。
testndarray: 该分割的测试集索引。