StratifiedShuffleSplit

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

按类别分层的 ShuffleSplit 交叉验证器。

提供训练/测试索引，用于将数据分割为训练/测试集。

这个交叉验证对象是 StratifiedKFold 和 ShuffleSplit 的合并，它返回分层随机折叠。在二分类或多分类设置中，这些折叠是通过保留 y 中每个类别的样本百分比来生成的。

注意：与 ShuffleSplit 策略类似，分层随机分割不保证所有折叠中的测试集都是互斥的，并且可能包含重叠的样本。然而，对于大型数据集来说，这种情况仍然很可能发生。

在用户指南中阅读更多内容。

有关交叉验证行为的可视化以及常见 scikit-learn 分割方法之间的比较，请参阅在 scikit-learn 中可视化交叉验证行为

注意

基于类别标签的分层解决的是一个工程问题，而不是统计问题。有关更多详细信息，请参阅基于类别标签分层的交叉验证迭代器。

参数:

n_splits整型, 默认值=10

重新洗牌和分割的迭代次数。

test_size浮点型或整型, 默认值=None

如果为浮点型，应在 0.0 到 1.0 之间，表示测试分割中包含的数据集比例。如果为整型，表示测试样本的绝对数量。如果为 None，则该值设置为训练大小的补数。如果 train_size 也为 None，它将被设置为 0.1。

train_size浮点型或整型, 默认值=None

如果为浮点型，应在 0.0 到 1.0 之间，表示训练分割中包含的数据集比例。如果为整型，表示训练样本的绝对数量。如果为 None，则该值会自动设置为测试大小的补数。

random_state整型, RandomState 实例或 None, 默认值=None

控制生成训练和测试索引的随机性。传入一个整型值可确保在多次函数调用中获得可重现的输出。请参阅词汇表。

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()

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=None, y=None, groups=None)

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，仅为兼容性而存在。

y对象

始终被忽略，仅为兼容性而存在。

groups对象

始终被忽略，仅为兼容性而存在。

返回:

n_splits整型

返回交叉验证器中的分割迭代次数。

split(X, y, groups=None)

生成索引以将数据分割为训练集和测试集。

参数:

X形如 (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。

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

y形如 (n_samples,) 或 (n_samples, n_labels) 的类数组

有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，仅为兼容性而存在。

生成:

trainndarray

该分割的训练集索引。

testndarray

该分割的测试集索引。

备注

随机化的交叉验证分割器在每次调用 split 时可能会返回不同的结果。通过将 random_state 设置为整数，可以使结果保持一致。

图库示例

在 scikit-learn 中可视化交叉验证行为

在 scikit-learn 中可视化交叉验证行为

RBF SVM 参数

RBF SVM 参数