Question

我使用SKlearn KFold如下：

        kf = KFold(10000, n_folds=5, shuffle=True, random_state=88)

但是，我想从训练折叠中排除某些指数（仅限）。怎么能实现这一目标？谢谢。

我想知道是否可以使用sklearn.cross_validation.PredefinedSplit来实现这一目标吗？

更新：KFold实例将与XGBoost一起用于xgb.cv的 folds 参数。 Python API here声明折叠应该是＆＃34; KFold或StratifiedKFold实例＆＃34;。

但是，我将尝试按上述方式生成KFolds，迭代列车折叠索引，修改它们，然后手动定义custom_cv，如下所示：

custom_cv = zip(train_indices, test_indices)

Answer 1

如果你想从训练集中删除索引，但是如果它们在测试集中就没问题，那么这种方法就可以了：

kf_list = list(kf)

这将返回一个元组列表，这些元组可以与KFold实例相同的方式迭代。然后，您可以根据需要简单地修改索引，并且您的KFold实例将保持不变。您可以将KFold对象视为整数数组，表示索引，以及允许您动态生成折叠的方法。

这是源代码，非常简单，对于如何实现迭代器协议的重要部分：

https://github.com/scikit-learn/scikit-learn/blob/51a765a/sklearn/cross_validation.py#L254

def _iter_test_indices(self):
    n = self.n
    n_folds = self.n_folds
    fold_sizes = (n // n_folds) * np.ones(n_folds, dtype=np.int)
    fold_sizes[:n % n_folds] += 1
    current = 0
    for fold_size in fold_sizes:
        start, stop = current, current + fold_size
        yield self.idxs[start:stop]
        current = stop

从Python SKlearn中的KFold分割中排除某些索引

1 个答案: