PredefinedSplit#

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

预定义拆分交叉验证器。

提供训练/测试索引，使用用户通过 test_fold 参数指定的预定义方案将数据拆分为训练/测试集。

在用户指南中阅读更多内容。

在版本 0.16 中新增。

参数:

test_foldarray-like of shape (n_samples,): 条目 test_fold[i] 表示样本 i 所属的测试集的索引。通过将 test_fold[i] 设置为 -1，可以排除样本 i 的任何测试集（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()[源码]#

获取此对象的元数据路由。

请查阅用户指南，了解路由机制如何工作。

返回:

routingMetadataRequest: 封装路由信息的 MetadataRequest。

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

返回交叉验证器中的拆分迭代次数。

参数:

Xarray-like of shape (n_samples, n_features), default=None: 始终忽略，存在是为了保持 API 兼容性。
yshape 为 (n_samples,), default=None 的 array-like: 始终忽略，存在是为了保持 API 兼容性。
groups形状为 (n_samples,) 的类数组对象，默认=None: 始终忽略，存在是为了保持 API 兼容性。

返回:

n_splitsint: 返回交叉验证器中的拆分迭代次数。

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

生成索引以将数据拆分为训练集和测试集。

参数:

Xarray-like of shape (n_samples, n_features), default=None: 始终忽略，存在是为了保持 API 兼容性。
yshape 为 (n_samples,), default=None 的 array-like: 始终忽略，存在是为了保持 API 兼容性。
groups形状为 (n_samples,) 的类数组对象，默认=None: 始终忽略，存在是为了保持 API 兼容性。

生成:

trainndarray: 该拆分的训练集索引。
testndarray: 该拆分的测试集索引。

PredefinedSplit#

本页