StratifiedKFold 和 KFold 的比较

将全部训练集S分成k个不相交的子集，假设S中的训练样例个数为m，那么每一个自己有m/k个训练样例，相应的子集为{s1，s2，...，sk}
每次从分好的子集里面，拿出一个作为测试集，其他k-1个作为训练集
在k-1个训练集上训练出学习器模型，把这个模型放到测试集上，得到分类率的平均值，作为该模型或者假设函数的真实分类率

StratifiedKFold用法类似Kfold，但是他是分层采样，确保训练集，测试集中各类别样本的比例与原始数据集中相同

Parameters

n_splits : int, default=3

Number of folds. Must be at least 2.

shuffle : boolean, optional

Whether to shuffle each stratification of the data before splitting into batches.

random_state :

int, RandomState instance or None, optional, default=None

If int, random_state is the seed used by the random number generatorIf RandomState instance, random_state is the random number generator;

If None, the random number generator is the RandomState instance used

by `np.random`. Used when ``shuffle`` == True.

import numpy as np
from sklearn.model_selection import KFold,StratifiedKFoldX=np.array([[1,2,3,4],[11,12,13,14],[21,22,23,24],[31,32,33,34],[41,42,43,44],[51,52,53,54],[61,62,63,64],[71,72,73,74]
])y=np.array([1,1,0,0,1,1,0,0])sfolder=StratifiedKFold(n_splits=4,random_state=0,shuffle=False)
floder = KFold(n_splits=4,random_state=0,shuffle=False)for train, test in sfolder.split(X,y):print('Train: %s | test: %s' % (train, test))print(" ")for train, test in floder.split(X,y):print('Train: %s | test: %s' % (train, test))print(" ")

StratifiedKFold KFold

StratifiedKFold 和 KFold 的比较相关推荐

scikit中StratifiedKFold和KFold区别，以及split方法
scikit中StratifiedKFold和KFold区别,以及split方法测试代码: # -*- coding: utf-8 -*- import numpy as np from sklea ...
K折交叉验证（StratifiedKFold与KFold比较）
文章目录一.交叉验证二.K折交叉验证 KFold()方法 StratifiedKFold()方法一.交叉验证交叉验证的基本思想是把在某种意义下将原始数据(dataset)进行分组,一部分做为训 ...
StratifiedKFold()与KFold()比较
一.KFold() 先看代码示例: import numpy as np from sklearn.model_selection import KFold X=np.array([[1,2],[3, ...
StratifiedKFold和KFold（5折验证）交叉验证的联系和区别Python实例
Kfold: 将全部训练集分成k个不相交的子集,假设训练集的训练样例个数为m,那么每一个子集有m/k个训练样例,比如[1,2,3,4,5,6]分成两份,则第一份可能为[1,3,5],第二份[2,4,6 ...
KFold、StratifiedKFold、GroupKFold的区别
一.问题来源: 在kaggle代码中第一次看到GroupKFold,不太清楚和KFold的区别,所以才想着去搞清楚这个问题二.KFold >>> import numpy as n ...
sklearn.model_selection.StratifiedKFold
sklearn.model_selection.StratifiedKFold class sklearn.model_selection.StratifiedKFold(n_splits=5, *, ...
sklearn.KFold
简介 K折交叉验证:将样本切成K份,每次取其中一份做为测试集,剩余的K-1份做为训练集.根据训练训练出模型或者假设函数. 把这个模型放到测试集上,得到分类率.计算k次求得的分类率的平均值,作为该模型或 ...
分隔百度百科中的名人信息与非名人信息
导入python包 import pandas as pd from pandas import Series, DataFrame 导入非名人数据 notCelebrity=[] for each ...
机器学习中的交叉验证
总第100篇本篇讲讲机器学习中的交叉验证问题,并利用sklearn实现. 前言在说交叉验证以前,我们先想一下我们在搭建模型时的关于数据切分的常规做法[直接利用train_test_split把所有 ...

StratifiedKFold 和 KFold 的比较

StratifiedKFold 和 KFold 的比较相关推荐

最新文章

热门文章