分层分组 K 折交叉验证#
- class sklearn.model_selection.StratifiedGroupKFold(n_splits=5, shuffle=False, random_state=None)[source]#
具有非重叠分组的分层 K 折迭代器变体。
此交叉验证对象是 StratifiedKFold 的一个变体，它尝试返回具有非重叠分组的分层折叠。这些折叠是通过保留每个类别的样本百分比来创建的。
每个分组在所有折叠的测试集中只出现一次（不同分组的数量必须至少等于折叠的数量）。
GroupKFold和StratifiedGroupKFold的区别在于，前者试图创建平衡的折数，使得每个折数中不同组的数量大致相同，而后者则试图创建折数，在分组之间不重叠的约束下，尽可能多地保留每个类别的样本百分比。更多信息请阅读 用户指南。
有关交叉验证行为的可视化以及常用 scikit-learn 分割方法之间的比较，请参考 scikit-learn 中交叉验证行为的可视化
- 参数：
- n_splitsint，默认为 5
折数。必须至少为 2。
- shufflebool，默认为 False
是否在将每个类别的样本分成批次之前进行混洗。请注意，每个分割中的样本不会被混洗。此实现只能混洗具有大致相同 y 分布的组，不会执行全局混洗。
- random_stateint 或 RandomState 实例，默认为 None
当
shuffle为 True 时，random_state会影响索引的顺序，这控制着每个类别每个折数的随机性。否则，将random_state保留为None。传递一个整数，以便在多次函数调用中获得可重复的输出。请参见 词汇表。
另请参见
分层 K 折交叉验证 (StratifiedKFold)考虑类别信息来构建保留类别分布的折数（用于二元或多类别分类任务）。
分组 K 折交叉验证 (GroupKFold)具有不重叠组的 K 折迭代器变体。
注释
该实现旨在
尽可能多地模仿 StratifiedKFold 的行为，用于简单的组（例如，当每个组只包含一个样本时）。
对类标签不变：将
y = ["Happy", "Sad"]重命名为y = [1, 0]不应该改变生成的索引。尽可能基于样本进行分层，同时保持不重叠的组约束。这意味着在某些情况下，当少量组包含大量样本时，分层将无法进行，其行为将接近于 GroupKFold。
示例
>>> import numpy as np >>> from sklearn.model_selection import StratifiedGroupKFold >>> X = np.ones((17, 2)) >>> y = np.array([0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0]) >>> groups = np.array([1, 1, 2, 2, 3, 3, 3, 4, 5, 5, 5, 5, 6, 6, 7, 8, 8]) >>> sgkf = StratifiedGroupKFold(n_splits=3) >>> sgkf.get_n_splits(X, y) 3 >>> print(sgkf) StratifiedGroupKFold(n_splits=3, random_state=None, shuffle=False) >>> for i, (train_index, test_index) in enumerate(sgkf.split(X, y, groups)): ... print(f"Fold {i}:") ... print(f" Train: index={train_index}") ... print(f" group={groups[train_index]}") ... print(f" Test: index={test_index}") ... print(f" group={groups[test_index]}") Fold 0: Train: index=[ 0 1 2 3 7 8 9 10 11 15 16] group=[1 1 2 2 4 5 5 5 5 8 8] Test: index=[ 4 5 6 12 13 14] group=[3 3 3 6 6 7] Fold 1: Train: index=[ 4 5 6 7 8 9 10 11 12 13 14] group=[3 3 3 4 5 5 5 5 6 6 7] Test: index=[ 0 1 2 3 15 16] group=[1 1 2 2 8 8] Fold 2: Train: index=[ 0 1 2 3 4 5 6 12 13 14 15 16] group=[1 1 2 2 3 3 3 6 6 7 8 8] Test: index=[ 7 8 9 10 11] group=[4 5 5 5 5]
- get_metadata_routing()[source]#
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封装路由信息。
- get_n_splits(X=None, y=None, groups=None)[source]#
返回交叉验证器中的分割迭代次数。
- 参数：
- X对象
始终被忽略，为了兼容性而存在。
- y对象
始终被忽略，为了兼容性而存在。
- groups对象
始终被忽略，为了兼容性而存在。
- 返回：
- n_splitsint
返回交叉验证器中的分割迭代次数。
- set_split_request(*, groups: bool | None | str = '$UNCHANGED$') StratifiedGroupKFold[source]#
请求传递给
split方法的元数据。请注意，只有在
enable_metadata_routing=True时（参见sklearn.set_config），此方法才相关。请参阅 用户指南，了解路由机制的工作原理。每个参数的选项为
True：请求元数据，如果提供则将其传递给split。如果未提供元数据，则忽略该请求。False：不请求元数据，元估计器不会将其传递给split。None：不请求元数据，如果用户提供元数据，元估计器将引发错误。str：元数据应使用此给定的别名而不是原始名称传递给元估计器。
默认值（
sklearn.utils.metadata_routing.UNCHANGED）保留现有的请求。这允许您更改某些参数的请求，而不更改其他参数的请求。1.3 版中新增。
注意
仅当此估计器用作元估计器的子估计器时（例如，在
Pipeline中使用）此方法才相关。否则，它无效。- 参数：
- groupsstr、True、False 或 None，默认为 sklearn.utils.metadata_routing.UNCHANGED
split中groups参数的元数据路由。
- 返回：
- self对象
更新后的对象。
