PredefinedSplit#

class sklearn.model_selection.PredefinedSplit(test_fold)[源]#

预定义分割交叉验证器。

使用用户通过 test_fold 参数指定的预定义方案，提供训练/测试索引以将数据分割为训练/测试集。

在用户指南中阅读更多信息。

版本 0.16 中新增。

参数:

test_foldarray-like of shape (n_samples,): test_fold[i] 条目表示样本 i 所属的测试集的索引。通过将 test_fold[i] 设置为 -1，可以将样本 i 从任何测试集中排除（即，将样本 i 包含在每个训练集中）。

示例

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

get_metadata_routing()[源]#

获取此对象的元数据路由。

请查阅用户指南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=None, y=None, groups=None)[源]#

返回交叉验证器中的分割迭代次数。

参数:

Xobject: 总是被忽略，为了兼容性而存在。
yobject: 总是被忽略，为了兼容性而存在。
groupsobject: 总是被忽略，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=None, y=None, groups=None)[源]#

生成将数据分割为训练集和测试集的索引。

参数:

Xobject: 总是被忽略，为了兼容性而存在。
yobject: 总是被忽略，为了兼容性而存在。
groupsobject: 总是被忽略，为了兼容性而存在。

产生:

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

PredefinedSplit#

本页