Python sklearn PredefinedSplit用法及代码示例

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

用法:

class sklearn.model_selection.PredefinedSplit(test_fold)

预定义拆分cross-validator

提供训练/测试索引，使用用户使用test_fold 参数指定的预定义方案将数据拆分为训练/测试集。

在用户指南中阅读更多信息。

参数：

test_fold：形状类似数组 (n_samples,)

条目test_fold[i] 表示样本i 所属的测试集的索引。通过将test_fold[i]设置为-1，可以从任何测试集中排除样本i(即在每个训练集中包括样本i)。

例子：

>>> import numpy as np
>>> from sklearn.model_selection import PredefinedSplit
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 1, 1])
>>> test_fold = [0, 1, -1, 1]
>>> ps = PredefinedSplit(test_fold)
>>> ps.get_n_splits()
2
>>> print(ps)
PredefinedSplit(test_fold=array([ 0,  1, -1,  1]))
>>> for train_index, test_index in ps.split():
...     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 3] TEST: [0]
TRAIN: [0 2] TEST: [1 3]