sklearn.model_selection.GroupShuffleSplit?

class sklearn.model_selection.GroupShuffleSplit(n_splits=5, *, test_size=None, train_size=None, random_state=None)

[源碼]

隨機分組交叉驗證迭代器。

提供訓練集或測試集索引,以根據第三方提供的組切分數據。該組信息可用于將樣本任意領域的特定分層編碼為整數。

例如,組可以是收集的年份的樣本,因此允許針對基于時間的切分進行交叉驗證。

LeavePGroupsOut和GroupShuffleSplit之間的區別在于,前者使用大小為p的唯一組的所有子集進行切分,而GroupShuffleSplit使用由用戶確定數量的隨機測試集進行切分,每個都有由用戶確定的唯一組分數。

例如, LeavePGroupsOut(p=10)的計算量較少的替代方案將是 GroupShuffleSplit(test_size=10, n_splits=100)

注意:參數test_sizetrain_size指的是組,而不是指ShuffleSplit中的樣本。

參數 說明
n_splits int, default=5
重新改組和切分迭代的次數。
test_size float, int, default=0.2
如果為float,則應在0.0到1.0之間,表示要包括在測試集切分中的組的比例(向上舍入)。如果為int,表示測試組的絕對數量。如果為None,則將值設置為訓練集大小的補充。默認值將在0.21版中更改。僅當train_size未指定時,它將保持為0.2 ,否則將補充指定的train_size
train_size float or int, default=None
如果為float,則應在0.0到1.0之間,表示要包括在訓練集切分中的組的比例。如果為int,則表示訓練集組的絕對數量。如果為“無”,則該值將自動設置為測試集大小的補充。
random_state int or RandomState instance, default=None
控制所產生的訓練集和測試集索引的隨機性。為多個函數調用傳遞可重復輸出的int值。請參閱詞匯表

示例

>>> from sklearn.model_selection import GroupShuffleSplit
>>> X = np.ones(shape=(82))
>>> y = np.ones(shape=(81))
>>> groups = np.array([11222333])
>>> print(groups.shape)
(8,)
>>> gss = GroupShuffleSplit(n_splits=2, train_size=.7, random_state=42)
>>> gss.get_n_splits()
2
>>> for train_idx, test_idx in gss.split(X, y, groups):
...     print("TRAIN:", train_idx, "TEST:", test_idx)
TRAIN: [2 3 4 5 6 7] TEST: [0 1]
TRAIN: [0 1 5 6 7] TEST: [2 3 4]

方法

參數 說明
get_n_splits(self[, X, y, groups]) 返回交叉驗證器中的切分迭代次數
split(self, X[, y, groups]) 生成索引以將數據切分為訓練集和測試集。
__init__(self, n_splits=5, *, test_size=None, train_size=None, random_state=None)

[源碼]

初始化self。詳情可參閱 type(self)的幫助。

get_n_splits(self,X = None,y = None,groups = None )

[源碼]

返回交叉驗證器中的切分迭代次數。

參數 說明
X object
始終被忽略,為了兼容性而存在。
y object
始終被忽略,為了兼容性而存在。
groups object
始終被忽略,為了兼容性而存在。
返回值 說明
n_splits int
返回交叉驗證器中拆分迭代的次數。
split(self,X,y = None,groups = None )

[源碼]

生成索引以將數據分為訓練集和測試集。

參數 說明
X array-like of shape (n_samples, n_features)
用于訓練的數據,其中n_samples是樣本數量,n_features是特征數量。
y array-like of shape (n_samples,), default=None
監督學習問題的目標變量。
groups array-like of shape (n_samples,)
將數據集切分為訓練集或測試集時使用的樣本的分組標簽。
輸出 說明
train ndarray
切分的訓練集索引。
test ndarray
切分的測試集索引。

隨機CV切分器可能會為每個切分調用返回不同的結果。您可以通過設置random_state 為整數來使結果相同。

sklearn.model_selection.GroupShuffleSplit使用示例?