留 P 法

class sklearn.model_selection.LeavePOut(p)

留 P 法交叉验证器。

提供训练/测试索引来将数据分割成训练/测试集。这导致在每次迭代中测试所有大小为 p 的不同样本，而其余 n - p 个样本构成训练集。

注意：LeavePOut(p) 不等价于 KFold(n_splits=n_samples // p)，后者会创建不相交的测试集。

由于迭代次数随着样本数量呈组合增长，这种交叉验证方法的计算成本可能非常高。对于大型数据集，应该优先考虑 KFold、StratifiedKFold 或 ShuffleSplit。

更多信息请参见 用户指南。

参数：

pint

测试集的大小。必须严格小于样本数量。

示例

>>> import numpy as np
>>> from sklearn.model_selection import LeavePOut
>>> X = np.array([[1, 2], [3, 4], [5, 6], [7, 8]])
>>> y = np.array([1, 2, 3, 4])
>>> lpo = LeavePOut(2)
>>> lpo.get_n_splits(X)
6
>>> print(lpo)
LeavePOut(p=2)
>>> for i, (train_index, test_index) in enumerate(lpo.split(X)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}")
...     print(f"  Test:  index={test_index}")
Fold 0:
  Train: index=[2 3]
  Test:  index=[0 1]
Fold 1:
  Train: index=[1 3]
  Test:  index=[0 2]
Fold 2:
  Train: index=[1 2]
  Test:  index=[0 3]
Fold 3:
  Train: index=[0 3]
  Test:  index=[1 2]
Fold 4:
  Train: index=[0 2]
  Test:  index=[1 3]
Fold 5:
  Train: index=[0 1]
  Test:  index=[2 3]

get_metadata_routing()

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)

返回交叉验证器中的拆分迭代次数。

参数：

Xarray-like 形状为 (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。

split(X, y=None, groups=None)

生成索引以将数据拆分为训练集和测试集。

参数：

Xarray-like 形状为 (n_samples, n_features)

训练数据，其中 n_samples 是样本数，n_features 是特征数。

yarray-like 形状为 (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

该拆分的训练集索引。

testndarray

该拆分的测试集索引。