Python sklearn LeaveOneOut用法及代碼示例

本文簡要介紹python語言中 sklearn.model_selection.LeaveOneOut 的用法。

用法:

class sklearn.model_selection.LeaveOneOut

留一cross-validator

提供訓練/測試索引以拆分訓練/測試集中的數據。每個樣本被用作測試集(單例)，而其餘樣本形成訓練集。

注意：LeaveOneOut() 等價於KFold(n_splits=n) 和LeavePOut(p=1)，其中n 是樣本數。

由於測試集的數量很大(與樣本數量相同)，這種交叉驗證方法可能非常昂貴。對於大型數據集，應該支持 KFold 、 ShuffleSplit 或 StratifiedKFold 。

在用戶指南中閱讀更多信息。

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]