StratifiedKFold#

class sklearn.model_selection.StratifiedKFold(n_splits=5, *, shuffle=False, random_state=None)#

分层K折交叉验证器。

提供训练/测试索引来将数据分割为训练/测试集。

这种交叉验证对象是KFold的一种变体，返回分层折叠。折叠是通过保留每个类别的样本百分比来制作的。

更多信息请参阅用户指南。

有关交叉验证行为的可视化以及常见scikit-learn分割方法之间的比较，请参阅在 scikit-learn 中可视化交叉验证行为

Parameters:

n_splitsint, default=5: 折叠数。必须至少为2。

Changed in version 0.22: n_splits 默认值从3改为5。
shufflebool, default=False: 在分割成批次之前是否对每个类别的样本进行洗牌。请注意，每个分割内的样本不会被洗牌。
random_stateint, RandomState instance or None, default=None: 当 shuffle 为 True 时， random_state 影响索引的顺序，这控制每个类别每个折叠的随机性。否则，将 random_state 保留为 None 。传递一个 int 以在多次函数调用中获得可重复的输出。请参阅 Glossary 。

See also

RepeatedStratifiedKFold: 重复分层K折n次。

Notes

该实现旨在：

生成测试集，使得所有测试集包含相同的类别分布，或尽可能接近。
对类别标签不变：将 y = ["Happy", "Sad"] 重新标记为 y = [1, 0] 不应改变生成的索引。
当 shuffle=False 时，保留数据排序中的顺序依赖关系：某些测试集中类别 k 的所有样本在 y 中是连续的，或在 y 中由其他类别的样本分隔。
生成测试集，其中最小和最大的测试集最多相差一个样本。

Changed in version 0.22: 之前的实现不遵循最后一个约束。

Examples

>>> import numpy as np
>>> from sklearn.model_selection import StratifiedKFold
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 1, 1])
>>> skf = StratifiedKFold(n_splits=2)
>>> skf.get_n_splits(X, y)
2
>>> print(skf)
StratifiedKFold(n_splits=2, random_state=None, shuffle=False)
>>> for i, (train_index, test_index) in enumerate(skf.split(X, y)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}")
...     print(f"  Test:  index={test_index}")
Fold 0:
  Train: index=[1 3]
  Test:  index=[0 2]
Fold 1:
  Train: index=[0 2]
  Test:  index=[1 3]