StratifiedShuffleSplit#

class sklearn.model_selection.StratifiedShuffleSplit(n_splits=10, *, test_size=None, train_size=None, random_state=None)#

分层随机分割交叉验证器。

提供训练/测试索引来将数据分割为训练/测试集。

这个交叉验证对象是StratifiedKFold和ShuffleSplit的合并，返回分层的随机折叠。折叠是通过保留每个类别的样本百分比来制作的。

注意：像ShuffleSplit策略一样，分层随机分割不能保证所有折叠都会不同，尽管对于大规模数据集来说这仍然非常可能。

在 用户指南 中阅读更多内容。

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=10

重新洗牌和分割的迭代次数。

test_sizefloat or int, default=None

如果为浮点数，应在0.0和1.0之间，并表示要包含在测试分割中的数据集比例。如果为整数，表示测试样本的绝对数量。如果为None，该值设置为训练集大小的补集。如果 train_size 也为None，它将设置为0.1。

train_sizefloat or int, default=None

如果为浮点数，应在0.0和1.0之间，并表示要包含在训练分割中的数据集比例。如果为整数，表示训练样本的绝对数量。如果为None，该值自动设置为测试集大小的补集。

random_stateint, RandomState instance or None, default=None

控制生成的训练和测试索引的随机性。传递一个整数以在多次函数调用中获得可重复的输出。参见 术语表 。

Examples

>>> import numpy as np
>>> from sklearn.model_selection import StratifiedShuffleSplit
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 0, 1, 1, 1])
>>> sss = StratifiedShuffleSplit(n_splits=5, test_size=0.5, random_state=0)
>>> sss.get_n_splits(X, y)
5
>>> print(sss)
StratifiedShuffleSplit(n_splits=5, random_state=0, ...)
>>> for i, (train_index, test_index) in enumerate(sss.split(X, y)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}")
...     print(f"  Test:  index={test_index}")
Fold 0:
  Train: index=[5 2 3]
  Test:  index=[4 1 0]
Fold 1:
  Train: index=[5 1 4]
  Test:  index=[0 2 3]
Fold 2:
  Train: index=[5 0 2]
  Test:  index=[4 3 1]
Fold 3:
  Train: index=[4 1 0]
  Test:  index=[2 3 5]
Fold 4:
  Train: index=[0 5 1]
  Test:  index=[3 4 2]
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分割迭代次数。

Parameters:
Xobject

总是被忽略，存在是为了兼容性。

yobject

总是被忽略，存在是为了兼容性。

groupsobject

总是被忽略，存在是为了兼容性。

Returns:
n_splitsint

返回交叉验证器中的分割迭代次数。

split(X, y, 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 和 n_features 是特征数量。

注意，提供 y 足以生成拆分， 因此可以使用 np.zeros(n_samples) 作为 X 的占位符， 而不是实际的训练数据。

y形状为 (n_samples,) 或 (n_samples, n_labels) 的类数组

监督学习问题的目标变量。 分层是基于 y 标签进行的。

groups对象

始终被忽略，存在以兼容。

Yields:
trainndarray

该拆分的训练集索引。

testndarray

该拆分的测试集索引。

Notes

随机化的 CV 拆分器可能在每次调用 split 时返回不同的结果。 您可以通过将 random_state 设置为整数来使结果相同。

On this page
Show Source