StratifiedShuffleSplit#

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

分层 ShuffleSplit 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。通过在二元或多类分类设置中保持 y 中每个类别的样本百分比来创建折叠。

注意：与 ShuffleSplit 策略一样，分层随机拆分不保证所有折叠中的测试集相互排斥，并且可能包含重叠样本。然而，对于大型数据集来说，这种情况仍然很有可能。

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 拆分方法的比较，请参阅scikit-learn 中的交叉验证行为可视化

注意

基于类标签的分层解决的是工程问题而非统计问题。有关详细信息，请参阅基于类标签分层的交叉验证迭代器。

参数:

n_splitsint, default=10: 重新打乱和拆分迭代的次数。
test_size浮点数或整数，默认值=None: 如果为浮点数，则应介于 0.0 和 1.0 之间，表示要包含在测试拆分中的数据集比例。如果为整数，则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，则将其设置为 0.1。
train_sizefloat or int, default=None: 如果是浮点数，应介于0.0和1.0之间，表示用于训练拆分的数据集比例。如果是整数，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集。
random_stateint, RandomState instance or None, default=None: 控制生成的训练和测试索引的随机性。传入一个整数可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()
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)[source]#

返回在实例化交叉验证器时使用 n_splits 参数设置的拆分迭代次数。

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, y, groups=None)[source]#

生成索引以将数据拆分为训练集和测试集。

参数:

Xshape 为 (n_samples, n_features) 的 array-like

训练数据，其中 n_samples 是样本数，n_features 是特征数。

请注意，提供 y 足以生成拆分，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

用于监督学习问题的目标变量。分层是基于 y 标签完成的。

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。

注意事项

随机 CV 拆分器在每次调用 split 时可能会返回不同的结果。您可以通过将 random_state 设置为整数来使结果相同。

Gallery examples#

可视化 scikit-learn 中的交叉验证行为

RBF SVM 参数

StratifiedShuffleSplit#

Gallery examples#

本页