sklearn.model_selection.PredefinedSplit?

class sklearn.model_selection.PredefinedSplit(test_fold)

[源碼]

預定義的切分交叉驗證器。

提供訓練集或測試集的索引，使用用戶通過test_fold參數指定的預定義方案將數據分為訓練集或測試集。

在用戶指南中閱讀更多內容。

版本0.16中的新功能。

參數	說明
test_fold	array-like of shape (n_samples,) 輸入`test_fold[i]`表示樣本`i`所屬的測試集的索引。通過將`test_fold[i]`值設置為-1，可以從任何測試集中排除樣本`i`（即在每個訓練集中包括樣本`i`）。

示例

>>> import numpy as np
>>> from sklearn.model_selection import PredefinedSplit
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 1, 1])
>>> test_fold = [0, 1, -1, 1]
>>> ps = PredefinedSplit(test_fold)
>>> ps.get_n_splits()
2
>>> print(ps)
PredefinedSplit(test_fold=array([ 0,  1, -1,  1]))
>>> for train_index, test_index in ps.split():
...     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]
TRAIN: [1 2 3] TEST: [0]
TRAIN: [0 2] TEST: [1 3]

方法

方法	說明
`get_n_splits`(self[, X, y, groups])	返回交叉驗證器中的拆分迭代次數。
`split`(self[, X, y, groups])	生成索引以將數據分為訓練集和測試集。

__init__(self, test_fold)

[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 = None，y = None，groups = None ）

[源碼]

生成索引以將數據分為訓練和測試集。

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。

輸出	說明
train	ndarray 切分的訓練集索引。
test	ndarray 切分的測試集索引。