重复分层 K 折交叉验证#

class sklearn.model_selection.RepeatedStratifiedKFold(*, n_splits=5, n_repeats=10, random_state=None)[source]#

重复分层 K 折交叉验证器。

重复分层 K 折交叉验证 n 次，每次重复使用不同的随机化。

更多信息请阅读用户指南。

参数：

n_splitsint, 默认值=5: 折叠数。必须至少为 2。
n_repeatsint, 默认值=10: 需要重复交叉验证器的次数。
random_stateint，RandomState 实例或 None，默认值=None: 控制每次重复的随机状态生成。传递一个整数，以便在多次函数调用中获得可重复的输出。参见词汇表。

另见

重复 K 折交叉验证: 重复 K 折交叉验证 n 次。

备注

随机化的 CV 分割器每次调用 split 时可能会返回不同的结果。可以通过将 random_state 设置为整数来使结果相同。

示例

>>> import numpy as np
>>> from sklearn.model_selection import RepeatedStratifiedKFold
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 1, 1])
>>> rskf = RepeatedStratifiedKFold(n_splits=2, n_repeats=2,
...     random_state=36851234)
>>> rskf.get_n_splits(X, y)
4
>>> print(rskf)
RepeatedStratifiedKFold(n_repeats=2, n_splits=2, random_state=36851234)
>>> for i, (train_index, test_index) in enumerate(rskf.split(X, y)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}")
...     print(f"  Test:  index={test_index}")
...
Fold 0:
  Train: index=[1 2]
  Test:  index=[0 3]
Fold 1:
  Train: index=[0 3]
  Test:  index=[1 2]
Fold 2:
  Train: index=[1 3]
  Test:  index=[0 2]
Fold 3:
  Train: index=[0 2]
  Test:  index=[1 3]