交叉验证（s折、分层、留一法）

交叉验证原理

交叉验证分类

1.标准交叉验证（s折交叉验证）

代码实现

2.分层交叉验证

代码实现

StratifiedKFold参数

3.留一法交叉验证

代码实现

代码说明

交叉验证原理

交叉验证就是重复的使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。

交叉验证分类

1.标准交叉验证（s折交叉验证）

s折交叉验证就是将数据集分为大小相等的s份，每次随机选取s-1份作为训练集，剩下的一份为测试集。当一轮完成后，再随机选取s-1份作为训练集，若干轮（小于S）之后，选择损失函数评估最优的模型和参数。

优点：

1.整个数据集可用于训练和验证

缺点：

1.不适合不平衡的数据集（出现图一的情况）

图一：标准交叉验证；

图二：分折交叉验证；

代码实现

from sklearn.model_selection import cross_val_score
score = cross_val_score(model,X, y, cv=5) #进行5轮交叉验证

2.分层交叉验证

根据原始类别比例分割数据集，训练集和测试集中各类别的比例与数据集中各类别的比例相同。

见图二的原理

代码实现

#分折交叉验证，会按照原始类别比例分割数据集
from sklearn.model_selection import StratifiedKFold
strKFold = StratifiedKFold(n_splits=5,shuffle=True,random_state=0)
score = cross_val_score(knn_clf,X, y,cv=strKFold)

StratifiedKFold参数

n_splits:折叠次数，默认为3，至少为2。

shuffle:是否在每次分割之前打乱顺序。

random_state:随机种子，在shuffle==True时使用，默认使用np.random。

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。

3.留一法交叉验证

对于N个样本，每次选择N-1个样本来训练数据，留一个样本来验证模型预测的好坏。（往往在数据量非常少的时候使用）

优点：

1.每一回合中几乎所有的样本皆用于训练模型，因此最接近原始样本的分布，这样评估所得的结果比较可靠；

2.实验没有随机因素，整个过程是可重复的；

缺点：

1.计算成本高；

代码实现

#留一法交叉验证
from sklearn.model_selection import LeaveOneOutloout = LeaveOneOut()
score = cross_val_score(knn_clf,X, y,cv=loout)

LeaveOneOut()进行留一交叉验证。

代码说明

from sklearn.model_selection import cross_val_score

cross_val_score(estimator, X, y=None,groups=None, scoring=None,cv=None, verbose=0, fit_params=None,pre_dispatch='2*n_jobs')

estimator:选用的学习器的实例对象，包含“fit”方法；
X ：特征数组
y : 标签数组
groups:如果数据需要分组采样的话
scoring ：评价函数
cv：交叉验证的k值，当输入为整数或者是None,估计器是分类器，y是二分类或者多分类，采用StratifiedKFold 进行数据划分
fit_params：字典，将估计器中fit方法的参数通过字典传递

转载自：

https://blog.csdn.net/weixin_42399856/article/details/81082971