RepeatedStratifiedKFold#

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

重复分层K折交叉验证器。

每次重复分层K折交叉验证n次，每次重复使用不同的随机化。

更多信息请参阅 用户指南 。

Parameters:
n_splitsint, default=5

折数。必须至少为2。

n_repeatsint, default=10

交叉验证器需要重复的次数。

random_stateint, RandomState实例或None, default=None

控制每次重复的随机状态生成。 传递一个整数以在多次函数调用中获得可重复的输出。 请参阅 术语表 。

See also

RepeatedKFold

重复K折n次。

Notes

随机CV分割器每次调用split时可能会返回不同的结果。您可以通过将 random_state 设置为整数来使结果相同。

Examples

>>> 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)
>>> rskf.get_n_splits(X, y)
4
>>> print(rskf)
RepeatedStratifiedKFold(n_repeats=2, n_splits=2, random_state=36851234)
>>> for i, (train_index, test_index) in enumerate(rskf.split(X, y)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}")
...     print(f"  Test:  index={test_index}")
...
Fold 0:
  Train: index=[1 2]
  Test:  index=[0 3]
Fold 1:
  Train: index=[0 3]
  Test:  index=[1 2]
Fold 2:
  Train: index=[1 3]
  Test:  index=[0 2]
Fold 3:
  Train: index=[0 2]
  Test:  index=[1 3]
get_metadata_routing()#

获取此对象的元数据路由。

请查看 用户指南 以了解路由机制的工作原理。

Returns:
routingMetadataRequest

MetadataRequest 封装的 路由信息。

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

返回交叉验证器中的拆分迭代次数。

Parameters:
Xobject

总是被忽略，存在以确保兼容性。 np.zeros(n_samples) 可以用作占位符。

yobject

总是被忽略，存在以确保兼容性。 np.zeros(n_samples) 可以用作占位符。

groupsarray-like of shape (n_samples,), default=None

在将数据集拆分为训练/测试集时使用的样本的组标签。

Returns:
n_splitsint

返回交叉验证器中的拆分迭代次数。

split(X, y=None, groups=None)#

生成索引以将数据拆分为训练集和测试集。

Parameters:
X形状为 (n_samples, n_features) 的类数组

训练数据，其中 n_samples 是样本数量 且 n_features 是特征数量。

y形状为 (n_samples,) 的类数组

监督学习问题的目标变量。

groups对象

始终被忽略，存在以确保兼容性。

Yields:
trainndarray

该拆分的训练集索引。

testndarray

该拆分的测试集索引。

On this page
Show Source