分层K折交叉验证#

class sklearn.model_selection.StratifiedKFold(n_splits=5, *, shuffle=False, random_state=None)[source]#

分层K折交叉验证器。

提供训练/测试索引，以将数据拆分为训练/测试集。

此交叉验证对象是KFold的变体，它返回分层折叠。折叠是通过保留每个类的样本百分比来进行的。

在用户指南中了解更多信息。

有关交叉验证行为的可视化以及常见scikit-learn拆分方法之间的比较，请参阅scikit-learn中交叉验证行为的可视化

参数：

n_splitsint，默认为5: 折叠数。必须至少为2。

0.22版本中的变更： n_splits的默认值从3更改为5。
shufflebool，默认为False: 是否在拆分为批次之前对每个类的样本进行混洗。请注意，每个拆分中的样本不会被混洗。
random_stateint、RandomState实例或None，默认为None: 当shuffle为True时，random_state会影响索引的顺序，这控制着每个类每个折叠的随机性。否则，将random_state保留为None。传递一个整数以在多次函数调用中获得可重复的输出。参见词汇表。

另请参阅

重复分层 K 折交叉验证: 重复分层K折n次。

备注

该实现旨在

生成测试集，使得所有测试集都包含相同的类分布，或尽可能接近。
对类标签不变：将y = ["Happy", "Sad"]重新标记为y = [1, 0]不应更改生成的索引。
当shuffle=False时，保留数据集中顺序的依赖关系：某个测试集中的所有来自类k的样本在y中是连续的，或者在y中被来自k以外的类的样本隔开。
生成测试集，其中最小值和最大值最多相差一个样本。

0.22版本中的变更：之前的实现没有遵循最后一个约束。

示例

>>> import numpy as np
>>> from sklearn.model_selection import StratifiedKFold
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 1, 1])
>>> skf = StratifiedKFold(n_splits=2)
>>> skf.get_n_splits(X, y)
2
>>> print(skf)
StratifiedKFold(n_splits=2, random_state=None, shuffle=False)
>>> for i, (train_index, test_index) in enumerate(skf.split(X, y)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}")
...     print(f"  Test:  index={test_index}")
Fold 0:
  Train: index=[1 3]
  Test:  index=[0 2]
Fold 1:
  Train: index=[0 2]
  Test:  index=[1 3]