sklearn中的k折交叉验证

最新推荐文章于 2023-08-30 16:09:40 发布

码农的世界，你不懂

最新推荐文章于 2023-08-30 16:09:40 发布

阅读量601

点赞数

分类专栏： python

本文链接：https://blog.csdn.net/u010395024/article/details/103885140

版权

本文深入探讨了sklearn库中的k折交叉验证技术，详细解释了其工作原理，包括如何划分数据集、如何进行多次训练和验证，并讨论了在模型评估和参数调优中k折交叉验证的重要性。同时，通过实例展示了如何在实际代码中实施k折交叉验证，以提高模型的泛化能力。

摘要由CSDN通过智能技术生成

K折交叉验证： sklearn.model_selection.KFold(n_splits=3,shuffle=False,random_state=None)
思路：将训练/测试数据划分n_splits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

注意：对于不能均等分的数据集，前n_samples%n_splits子集拥有n_samples//n_splits+1个样本，其余子集只有n_samples//n_splits个样本

参数：

n_splits:表示划分几等份

shuffle:在每次划分时，是否进行洗牌

1)若为False，其效果等同于random_state等于整数，每次划分的结果相同

2）若为True时，每次划分的结果都不一样，表示经过洗牌，随机取样的

random_state：随机种子数

属性：

①get_n_splits(X=None, y=None, groups=None)：获取参数n_splits的值

②split(X, y=None, groups=None)：将数据集划分成训练集和测试集，返回索引生成器