python中KFold函数是怎么划分数据的

准备

准备了30条测试数据

【免费】这是一个简单的测试数据资源-CSDN文库

 

K折交叉验证原理 

就是把数据分成K份，其中K-1份用于训练集，剩余1份作为测试集，将这个过程重复K次，直到每份数据都能作为测试集，直观点就像下面的图：

 python中KFold参数解释

class sklearn.model_selection.KFold(n_splits=n, shuffle=False, random_state=None)

• n_splits=n，将数据集划分n个互斥子集，每次用其中一个子集当作验证集，剩下的n_splits-1个作为训练集，进行n_splits次训练和测试，得到n_splits个结果
• shuffle = False则不会对传入的训练集打乱，是按顺序进行划分的，每次运行代码得到的划分结果一样
• shuffle = True则对传入的数据集打乱，随机划分n_splits组数据。常与random_state配合使用，以保存重复运行代码得到的随机划分一致
• 函数的用法是fold = KFold（参数设置）；fold.split(data。返回值是train和test的索引

shuffle = False（默认情况）:

import pandas as pd 
from sklearn.model_selection import KFold #导入交叉验证模
df = pd.read_excel('test.xlsx', header=None)
kf = KFold(n_splits=5,shuffle =False)

i=1
for train_i,test_i in kf.split(df):
    print(f'--------------------------第{i}折------------------------------')
    print(train_i,test_i)
    #print(df.loc[train_i])
   #print(df.loc[train_i])
    i+=1

每次结果相同，结果是这样的（返回的是dataframe的行索引，要想看到数据，就用df.loc[train_i]），说明KFold划分数据集就是按照“从前往后作为测试集”的这种顺序依次将所有K份数据都作为测试集。

 shuffle = True:

kf = KFold(n_splits=5, shuffle=True)
for i in kf.split(df):
    print(i)

每次结果不同，对传入的数据集打乱，随机划分n_splits组数据

 shuffle = True，random_seed = 42:

kf = KFold(n_splits=5, shuffle=True, random_state=42)
for i in kf.split(df):
    print(i)

每次结果相同，尽管对传入的数据集随机打乱，但是固定了随机种子，所以每次结果相同

 

参考

sklearn.KFold用法示例_kfold返回值_popo-shuyaosong的博客-CSDN博客 

 Python sklearn的KFold使用_python kfold_早起CaiCai的博客-CSDN博客

 文章中图片来源：

【机器学习】Cross-Validation（交叉验证）详解 - 知乎 (zhihu.com)