LeaveOneOut#

class sklearn.model_selection.LeaveOneOut[source]#

留一法交叉验证器。

提供训练/测试索引，用于将数据分割成训练/测试集。每个样本仅作为测试集（单一元素）使用一次，而其余样本则构成训练集。

注意：LeaveOneOut() 等效于 KFold(n_splits=n) 和 LeavePOut(p=1)，其中 n 是样本数量。

由于测试集数量庞大（与样本数量相同），此交叉验证方法可能非常耗时。对于大型数据集，应优先选择 KFold、ShuffleSplit 或 StratifiedKFold。

在用户指南中阅读更多内容。

另请参见

LeaveOneGroupOut: 用于根据数据集的显式、领域特定分层来分割数据。
GroupKFold: K 折迭代器变体，具有不重叠的分组。

示例

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

get_metadata_routing()[source]#

获取此对象的元数据路由。

请查看用户指南以了解路由机制的工作原理。

返回:

routingMetadataRequest: 一个封装路由信息的 MetadataRequest 对象。

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

返回交叉验证器中的分割迭代次数。

参数:

X形状为 (n_samples, n_features) 的类数组: 训练数据，其中 n_samples 是样本数量，n_features 是特征数量。
y对象: 始终被忽略，存在是为了兼容性。
groups对象: 始终被忽略，存在是为了兼容性。

返回:

n_splits整型: 返回交叉验证器中的分割迭代次数。

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

生成将数据分割成训练集和测试集的索引。

参数:

X形状为 (n_samples, n_features) 的类数组: 训练数据，其中 n_samples 是样本数量，n_features 是特征数量。
y形状为 (n_samples,) 的类数组: 监督学习问题的目标变量。
groups对象: 始终被忽略，存在是为了兼容性。

生成:

trainndarray: 该分割的训练集索引。
testndarray: 该分割的测试集索引。

LeaveOneOut#

此页