KFold与StratifiedKFold的区别

 

KFold交叉采样：将训练/测试数据集划分n_splits个互斥子集，每次只用其中一个子集当做测试集，剩下的（n_splits-1）作为训练集，进行n_splits次实验并得到n_splits个结果。

sklearn.model_selection.KFold(n_splits=3,shuffle=False,random_state=None) 

n_splits：表示将数据划分几等份

shuffle：在每次划分时，是否进行洗牌

若为False，其效果相当于random_state为整数(含零)，每次划分的结果相同

若为True，每次划分的结果不一样，表示经过洗牌，随机取样的

random_state：随机种子数，当设定值(一般为0)后可方便调参，因为每次生成的数据集相同

 

 

StratifiedKFold分层采样，用于交叉验证：与KFold最大的差异在于，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。

sklearn.model_selection.StratifiedKFold(n_splits=3,shuffle=False,random_state=None)

参数含义同KFold。