sklearn.model_selection.LeaveOneOut?

class sklearn.model_selection.LeaveOneOut

[源碼]

留一法交叉驗證器。

提供訓練集或測試集的索引以將數據切分為訓練集或測試集。每個樣本作為一個測試集(單例)使用一次，而其余的樣本形成訓練集。

注意：LeaveOneOut()相當于KFold(n_splits=n)和 LeavePOut(p=1)，其中n為樣本數。

由于測試集數量眾多（與樣本數量相同），因此這種交叉驗證方法可能會非常耗時。對于大型數據集應該偏向于KFold，ShuffleSplit 或StratifiedKFold。

在用戶指南中閱讀更多內容。

另見：

LeaveOneGroupOut 用于根據數據集的顯式，特定于領域的分層來切分數據。

GroupKFold 具有非重疊組的K折疊迭代器變體。

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 train_index, test_index in loo.split(X):
...     print("TRAIN:", train_index, "TEST:", test_index)
...     X_train, X_test = X[train_index], X[test_index]
...     y_train, y_test = y[train_index], y[test_index]
...     print(X_train, X_test, y_train, y_test)
TRAIN: [1] TEST: [0]
[[3 4]] [[1 2]] [2] [1]
TRAIN: [0] TEST: [1]
[[1 2]] [[3 4]] [1] [2]

方法

方法	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，/，* args，** kwargs ）

初始化self。詳情可參閱 type（self）的幫助。

get_n_splits（self，X，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	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	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,)。監督學習問題的目標變量。
groups	array-like of shape (n_samples,), default=None 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。