LeaveOneOut#

class sklearn.model_selection.LeaveOneOut[source]#

Leave-One-Out 交叉验证器。

提供训练/测试索引，用于将数据拆分为训练/测试集。每个样本仅用作一次测试集（单例），而其余样本构成训练集。

注：LeaveOneOut() 等同于 KFold(n_splits=n) 和 LeavePOut(p=1)，其中 n 是样本数量。

由于测试集数量多（与样本数量相同），这种交叉验证方法可能非常耗费资源。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。

另请参阅

LeaveOneGroupOut: 用于根据数据集的显式、特定领域的分层来分割数据。
GroupKFold: 具有非重叠组的 K 折迭代器变体。

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, y=None, groups=None)[source]#

返回交叉验证器中的拆分迭代次数。

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。
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=None, 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。
yshape 为 (n_samples,), default=None 的 array-like: 用于监督学习问题的目标变量。
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。

LeaveOneOut#

本页