sklearn.model_selection.RepeatedStratifiedKFold?

class sklearn.model_selection.RepeatedStratifiedKFold(*, n_splits=5, n_repeats=10, random_state=None)

[源碼]

重復分層K折交叉驗證器。

重復分層K折疊n次，每次重復具有不同的隨機性。

在用戶指南中閱讀更多內容。

參數	說明
n_splits	int, default=5 折數。必須至少為2。
n_repeats	int, default=10 交叉驗證器需要重復的次數。
random_state	int or RandomState instance, default=None 為每次重復設置隨機數種子。為多個函數的調用傳遞可重復輸出的int值。請參閱詞匯表。

另見：RepeatedKFold 重復K折n次。

注

隨機CV分割器可能會為每個分割調用返回不同的結果。您可以通過設置random_state 為整數使結果相同。

示例

>>> import numpy as np
>>> from sklearn.model_selection import RepeatedStratifiedKFold
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 1, 1])
>>> rskf = RepeatedStratifiedKFold(n_splits=2, n_repeats=2,
...     random_state=36851234)
>>> for train_index, test_index in rskf.split(X, y):
...     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] TEST: [0 3]
TRAIN: [0 3] TEST: [1 2]
TRAIN: [1 3] TEST: [0 2]
TRAIN: [0 2] TEST: [1 3]

方法

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

__init__（self，*，n_splits = 5，n_repeats = 10，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。 `np.zeros(n_samples)`可用作占位符。
y	object 始終被忽略，為了兼容性而存在。 `np.zeros(n_samples)`可用作占位符。
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。

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和測試集。

參數	說明
X	array-like, 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 length 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。