StratifiedGroupKFold#
- class sklearn.model_selection.StratifiedGroupKFold(n_splits=5, shuffle=False, random_state=None)[source]#
带有非重叠组的按类别分层的 K-Fold 迭代器变体。
此交叉验证对象是 StratifiedKFold 的变体，它尝试返回具有非重叠组的分层折叠。这些折叠通过在二元或多类别分类设置中保持
y中每个类别的样本百分比来创建。每个组将在所有折叠的测试集中只出现一次（不同组的数量必须至少等于折叠的数量）。
GroupKFold和StratifiedGroupKFold之间的区别在于，前者尝试创建平衡的折叠，使每个折叠中不同组的数量大致相同，而StratifiedGroupKFold则尝试创建折叠，在分割之间组不重叠的约束下，尽可能保持每个类别的样本百分比。在用户指南中阅读更多信息。
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
对类别标签进行分层解决的是工程问题而非统计问题。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_splitsint, 默认=5
折叠数量。必须至少为2。
- shufflebool, 默认=False
在分批之前是否打乱每个类别的样本。请注意，每个分割中的样本不会被打乱。此实现只能打乱具有大致相同 y 分布的组，不会进行全局打乱。
- random_stateint 或 RandomState 实例, 默认=None
当
shuffle为 True 时，random_state会影响索引的顺序，这控制了每个类别的每个折叠的随机性。否则，将random_state保持为None。传入一个整数以在多次函数调用中获得可复现的输出。参见词汇表。
另请参阅
StratifiedKFold考虑类别信息以构建保留类别分布的折叠（适用于二元或多类别分类任务）。
GroupKFold具有非重叠组的 K-折叠迭代器变体。
注意事项
该实现旨在：
尽可能模仿 StratifiedKFold 对平凡组（例如，当每个组只包含一个样本时）的行为。
与类别标签无关：将
y = ["Happy", "Sad"]重新标记为y = [1, 0]不应改变生成的索引。在保持组不重叠约束的同时，尽可能基于样本进行分层。这意味着在某些情况下，当少量组包含大量样本时，分层将不可能，行为将接近 GroupKFold。
示例
>>> import numpy as np >>> from sklearn.model_selection import StratifiedGroupKFold >>> X = np.ones((17, 2)) >>> y = np.array([0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0]) >>> groups = np.array([1, 1, 2, 2, 3, 3, 3, 4, 5, 5, 5, 5, 6, 6, 7, 8, 8]) >>> sgkf = StratifiedGroupKFold(n_splits=3) >>> sgkf.get_n_splits(X, y) 3 >>> print(sgkf) StratifiedGroupKFold(n_splits=3, random_state=None, shuffle=False) >>> for i, (train_index, test_index) in enumerate(sgkf.split(X, y, groups)): ... print(f"Fold {i}:") ... print(f" Train: index={train_index}") ... print(f" group={groups[train_index]}") ... print(f" Test: index={test_index}") ... print(f" group={groups[test_index]}") Fold 0: Train: index=[ 0 1 2 3 7 8 9 10 11 15 16] group=[1 1 2 2 4 5 5 5 5 8 8] Test: index=[ 4 5 6 12 13 14] group=[3 3 3 6 6 7] Fold 1: Train: index=[ 4 5 6 7 8 9 10 11 12 13 14] group=[3 3 3 4 5 5 5 5 6 6 7] Test: index=[ 0 1 2 3 15 16] group=[1 1 2 2 8 8] Fold 2: Train: index=[ 0 1 2 3 4 5 6 12 13 14 15 16] group=[1 1 2 2 3 3 3 6 6 7 8 8] Test: index=[ 7 8 9 10 11] group=[4 5 5 5 5]
- get_metadata_routing()[source]#
获取此对象的元数据路由。
请查阅用户指南，了解路由机制的工作原理。
- 返回:
- routingMetadataRequest
封装路由信息的
MetadataRequest对象。
- get_n_splits(X=None, y=None, groups=None)[source]#
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_splitsint
返回交叉验证器中的分割迭代次数。
- set_split_request(*, groups: bool | None | str = '$UNCHANGED$') StratifiedGroupKFold[source]#
请求传递给
split方法的元数据。请注意，此方法仅在
enable_metadata_routing=True时才相关（参阅sklearn.set_config）。请参阅用户指南，了解路由机制的工作原理。每个参数的选项为
True: 请求元数据，如果提供则传递给split。如果未提供元数据，则请求被忽略。False: 不请求元数据，并且元估计器不会将其传递给split。None: 不请求元数据，如果用户提供，元估计器将引发错误。str: 元数据应使用此给定别名而非原始名称传递给元估计器。
默认值 (
sklearn.utils.metadata_routing.UNCHANGED) 保留现有请求。这允许您更改某些参数的请求而不更改其他参数。1.3 版本新增。
注意
此方法仅在将此估计器用作元估计器的子估计器时才相关，例如在
Pipeline内部使用时。否则无效。- 参数:
- groupsstr, True, False, 或 None, 默认=sklearn.utils.metadata_routing.UNCHANGED
split方法中groups参数的元数据路由。
- 返回:
- self对象
更新后的对象。
