似乎 KFold 每次迭代对象时都会生成相同的值,而 Shuffle Split 每次都会生成不同的索引。这个对吗?如果是这样,一个比另一个有什么用途?
cv = cross_validation.KFold(10, n_folds=2,shuffle=True,random_state=None)
cv2 = cross_validation.ShuffleSplit(10,n_iter=2,test_size=0.5)
print(list(iter(cv)))
print(list(iter(cv)))
print(list(iter(cv2)))
print(list(iter(cv2)))
产生以下输出:
[(array([1, 3, 5, 8, 9]), array([0, 2, 4, 6, 7])), (array([0, 2, 4, 6, 7]), array([1, 3, 5, 8, 9]))]
[(array([1, 3, 5, 8, 9]), array([0, 2, 4, 6, 7])), (array([0, 2, 4, 6, 7]), array([1, 3, 5, 8, 9]))]
[(array([4, 6, 3, 2, 7]), array([8, 1, 9, 0, 5])), (array([3, 6, 7, 0, 5]), array([9, 1, 8, 4, 2]))]
[(array([3, 0, 2, 1, 7]), array([5, 6, 9, 4, 8])), (array([0, 7, 1, 3, 8]), array([6, 2, 5, 4, 9]))]
最佳答案
KFold 和 ShuffleSplit 输出的区别
KFold 会将您的数据集划分为预先指定的 折叠数,并且每个样本必须是一个且只有一个折叠。折叠是数据集的子集。
ShuffleSplit 将在每次迭代期间随机采样您的整个数据集,以生成训练集和测试集。 test_size
和 train_size
参数控制每次迭代的测试和训练测试集的大小。由于您在每次迭代期间从整个数据集进行采样,因此在一次迭代期间选择的值可以在另一次迭代期间再次选择。
总结: ShuffleSplit 迭代工作,KFold 只是将数据集分成 k 折。
验证时的区别
在 KFold 中,在每一轮中,您将使用一个折叠作为测试集,所有剩余的折叠作为您的训练集。但是,在 ShuffleSplit 中,在每一轮 n
中,您应该只使用迭代 n
中的训练和测试集。随着数据集的增长,交叉验证时间会增加,这使得 shufflesplits 成为更具吸引力的替代方案。如果您可以使用一定百分比的数据而不是使用所有 k-1 折叠来训练您的算法,那么 ShuffleSplit 是一个有吸引力的选择。
关于python - KFold 和 ShuffleSplit CV 有什么区别?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34731421/