分层随机洗牌分割#

class sklearn.model_selection.StratifiedShuffleSplit(n_splits=10, *, test_size=None, train_size=None, random_state=None)[source]#

分层随机洗牌交叉验证器。

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StratifiedKFold和ShuffleSplit的合并，它返回分层的随机折叠。这些折叠是通过保留每个类别的样本百分比来创建的。

注意：与ShuffleSplit策略一样，分层随机分割不能保证所有折叠中的测试集都是互斥的，并且可能包含重叠样本。但是，对于大型数据集，这种情况仍然不太可能。

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，请参阅scikit-learn 中交叉验证行为的可视化

参数：
n_splitsint，默认为 10

重新洗牌和分割迭代的次数。

test_sizefloat 或 int，默认为 None

如果为 float，则应介于 0.0 和 1.0 之间，表示要包含在测试分割中的数据集的比例。如果为 int，则表示测试样本的绝对数量。如果为 None，则该值将设置为训练大小的补集。如果train_size也为 None，则将其设置为 0.1。

train_sizefloat 或 int，默认为 None

如果为 float，则应介于 0.0 和 1.0 之间，表示要包含在训练分割中的数据集的比例。如果为 int，则表示训练样本的绝对数量。如果为 None，则该值将自动设置为测试大小的补集。

random_stateint、RandomState 实例或 None，默认为 None

控制生成的训练和测试索引的随机性。传递一个 int 以在多次函数调用中获得可重复的输出。请参见词汇表。

示例

>>> import numpy as np
>>> from sklearn.model_selection import StratifiedShuffleSplit
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 0, 1, 1, 1])
>>> sss = StratifiedShuffleSplit(n_splits=5, test_size=0.5, random_state=0)
>>> sss.get_n_splits(X, y)
5
>>> print(sss)
StratifiedShuffleSplit(n_splits=5, random_state=0, ...)
>>> for i, (train_index, test_index) in enumerate(sss.split(X, y)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}")
...     print(f"  Test:  index={test_index}")
Fold 0:
  Train: index=[5 2 3]
  Test:  index=[4 1 0]
Fold 1:
  Train: index=[5 1 4]
  Test:  index=[0 2 3]
Fold 2:
  Train: index=[5 0 2]
  Test:  index=[4 3 1]
Fold 3:
  Train: index=[4 1 0]
  Test:  index=[2 3 5]
Fold 4:
  Train: index=[0 5 1]
  Test:  index=[3 4 2]
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，封装了路由信息。

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。

split(X, y, groups=None)[source]#

生成索引以将数据分割成训练集和测试集。

参数：
X形状为 (n_samples, n_features) 的类数组

训练数据，其中n_samples是样本数，n_features是特征数。

请注意，提供y足以生成分割，因此可以使用np.zeros(n_samples)作为X的占位符，而不是实际的训练数据。

y形状为 (n_samples,) 或 (n_samples, n_labels) 的类数组

监督学习问题的目标变量。分层是根据 y 标签进行的。

groups对象

始终被忽略，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。

笔记

随机 CV 分割器每次调用 split 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。