Question

我目前正在处理分类问题，并且对sklearn / scikit-learn Python模块的交叉验证功能有疑问。请考虑以下呼叫：

cv_scores = cross_validation.cross_val_score(rfc, X, y, cv=self.cv_folds, n_jobs = 1)

self.cv_folds是一个数字，例如该函数实际上返回一个数组，其中包含交叉验证的每个折叠的分数。但现在我需要知道如何函数执行拆分。这意味着，哪些记录已分配给测试和训练设置每次迭代。为了更清楚，让我们考虑一个小的示例数据集：

(1)  0 1:9151.57142857 2:158.0 3:0.0136674259681 4:5.0 5:438.0 6:6.0  7:9.25388888889
(2)  1 1:3884.8 2:20338.0 3:0.0280373831776 4:194.0 5:320.0 6:9.0 7:42.8808333333
(3)  0 1:5219.5 2:241.0 3:0.00171821305842 4:55.0 5:1745.0 6:3.0 7:42.8808333333
(4)  0 1:1386.0 2:2125.0 3:0.0161290322581 4:315.0 5:309.0 6:5.0 7:14.8722222222
(5)  1 1:5508.375 2:27.0 3:0.00302245250432 4:1231.0 5:2315.0 6:7.0 7:591.213611111
(6)  1 1:12488.0 2:404.0 3:0.020942408377 4:31.0 5:190.0 6:4.0 7:9.25388888889
(7)  1 1:1748.4 2:0.0 3:0.00293685756241 4:376.0 5:1361.0 6:4.0 7:96.5372222222
(8)  1 1:3401.25 2:476.0 3:0.0714285714286 4:16.0 5:41.0 6:3.0 7:3.19722222222
(9)  1 1:2748.4 2:614.0 3:0.25 4:3.0 5:15.0 6:4.0 7:3.19722222222    
(10) 1 1:1386.0 2:2125.0 3:0.0161290322581 4:47.0 5:309.0 6:5.0 7:14.8722222222

（X）表示行号，类标签的第一个值和1-7的值是特征索引，每个值后跟其值。现在我想知道函数的确切拆分策略。为了更清楚，以下示例显示了如何将数据拆分为测试和训练集的每种迭代的两种不同方式：

示例1：

迭代1：（1） - （2）进行测试

迭代2：（3） - （4）进行测试

迭代3：（5） - （6）进行测试

...

示例2

迭代1：（1）和（3）进行测试

迭代2：（2）和（4）进行测试

迭代3：（5）和（7）进行测试

...

有谁知道该功能使用的确切拆分策略？或者任何人都可以声明一个函数来查看这些拆分而不仅仅是结果？

提前感谢您的时间和精力。

Answer 1

如果cv_folds是cv-object，请查看list(self.cv_folds)，您会找到元组[(train1, test1), (train2, test2), ...]的列表。

如果self.cv_folds只是一个数字，那么考虑明确设置交叉验证迭代器，例如如下：

from sklearn.cross_validation import KFold, StratifiedKFold
## Choose one of the two next lines
cv = KFold(self.cv_folds)   # for regression
cv = StratifiedKFold(y, self.cv_folds)   # for classification

cv_scores = cross_validation.cross_val_score(rfc, X, y, cv=cv)

现在，使用list(cv)，您可以恢复列车/测试分组的所有索引。

请注意，默认的交叉验证迭代器取决于估算器（分类器或回归量）的性质，因此如果您需要此级别的详细信息，最好明确它。

交叉验证sklearn - 如何执行拆分？

1 个答案: