Python sklearn LeaveOneOut用法及代码示例

本文简要介绍python语言中 sklearn.model_selection.LeaveOneOut 的用法。

用法:

class sklearn.model_selection.LeaveOneOut

留一cross-validator

提供训练/测试索引以拆分训练/测试集中的数据。每个样本被用作测试集(单例)，而其余样本形成训练集。

注意：LeaveOneOut() 等价于KFold(n_splits=n) 和LeavePOut(p=1)，其中n 是样本数。

由于测试集的数量很大(与样本数量相同)，这种交叉验证方法可能非常昂贵。对于大型数据集，应该支持 KFold 、 ShuffleSplit 或 StratifiedKFold 。

在用户指南中阅读更多信息。

例子：

>>> import numpy as np
>>> from sklearn.model_selection import LeaveOneOut
>>> X = np.array([[1, 2], [3, 4]])
>>> y = np.array([1, 2])
>>> loo = LeaveOneOut()
>>> loo.get_n_splits(X)
2
>>> print(loo)
LeaveOneOut()
>>> for train_index, test_index in loo.split(X):
...     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]
...     print(X_train, X_test, y_train, y_test)
TRAIN: [1] TEST: [0]
[[3 4]] [[1 2]] [2] [1]
TRAIN: [0] TEST: [1]
[[1 2]] [[3 4]] [1] [2]