python-2.7 - 如何在Python中给出分层kfold抽样的测试大小？

Question

使用 sklearn ，我希望在样本数据集中有 3 个分割(即 n_splits = 3)，并且训练/测试比率为 70:30。我可以将集合分成 3 部分，但无法定义测试大小(类似于 train_test_split 方法)。有没有办法在 StratifiedKFold 中定义测试样本大小？

from sklearn.model_selection import StratifiedKFold as SKF
skf = SKF(n_splits=3)
skf.get_n_splits(X, y)
for train_index, test_index in skf.split(X, y):
# Loops over 3 iterations to have Train test stratified split
     X_train, X_test = X[train_index], X[test_index]
     y_train, y_test = y[train_index], y[test_index]

Answer 1

StratifiedKFold 根据定义进行 K 折分割。也就是说，返回的迭代器将产生 (K-1) 组用于训练，而 1 组用于测试。 K 由 n_splits 控制，因此，它确实创建 n_samples/K 组，并使用 K-1 的所有组合 用于训练/测试。引用维基百科或google K-fold cross-validation有关它的更多信息。

简而言之，测试集的大小将为1/K(即1/n_splits)，因此您可以调整该参数来控制测试大小(例如，n_splits=3 将进行测试拆分，其大小为数据的 1/3 = 33%)。但是，StratifiedKFold 将迭代 K 组 K-1，并且可能不是您想要的。

话虽如此，您可能会对StratifiedShuffleSplit感兴趣。 ，它仅返回可配置的分割数量和训练/测试比率。如果您只想要一次分割，您可以调整 n_splits=1 并保留 test_size=0.3 (或您想要的任何比例)。