因此，我需要使用预定义的组生成测试/训练/验证拆分。我不想使用LeavePGroupsOut，因为我需要根据期望的性能将数据分离为训练和验证集。在GroupShuffleSplit的文档中，对于test_size参数，它表示：
test_size：浮点数，整数，无，可选 如果为float，则应在0.0到1.0之间，并且代表要包括在测试拆分中的数据集的比例。 如果为整数，则表示测试样本的绝对数量。如果为None，则将值设置为火车尺寸的补码。默认情况下，该值设置为0.2。默认值将在0.21版中更改。仅当未指定train_size时，它将保持0.2，否则它将补充指定的train_size。
但是，实际上并非如此，如以下代码所示：
tr, ts = next(GroupShuffleSplit(n_splits=1, test_size=3).split(TR_set, groups=tr_groups))
print(tr)
print(ts)
例如打印出来的
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
18 19 20 21 22 23 24 25 28 29 30 31 32 33 34 35 36 37
38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55
56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73
74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 91 92 93
99 101 102 103 104 105 106 107]
[ 26 27 89 90 94 95 96 97 98 100]
如上所示，测试大小不是3，而是大于3。几乎总是这样。我检查了索引组。显然，如果test_size是整数，则表示测试组的绝对数量，不是样本。我认为该文档具有误导性。
此外，当test_size为float时，大多数情况下不考虑指定的比率。这可能是由于组中样本大小不相等引起的，但是必须有注释/警告来指定在不相等的组大小和test_size比率相结合的情况下它将采取何种行为。
tr, ts = next(GroupShuffleSplit(n_splits=1, test_size=0.1).split(TR_set, groups=tr_groups))
print(len(tr))
print(len(ts))
给出：
70
38
其中测试大小是整个测试集的35％（应该是10％）。
所以，我丢失了什么，或者文档不过是错误的说明而已。
谢谢。
答案 0 :(得分：0)
没有错误，但是文档在某些时候不正确。我为此问题在scikit-learn's github page中打开了一个问题。
答案 1 :(得分：0)
我在GroupShuffleSplit文档中发现了这一点：
注意：参数test_size和train_size指向组，而不是组 采样，如ShuffleSplit。
因此，预计test_size为组数，这也是您在结果中找到的。