Python-sklearn包中拆分数据集进行交叉验证的方法对比

一、对比训练模型前，不同拆分数据集方法

1. sklearn.model_selection.KFold()
   交叉采样，将实验数据划分得到若干个互斥子集。
2. sklearn.model_selection.StratifiedKFold()
   根据数据标签各类型占比进行交叉采样，将实验数据划分得到若干个互斥子集。
3. sklearn.cross_validation.train_test_split()
   按特定比例，将实验数据随机拆分为实验数据和测试数据。

此外还有sklearn.cross_validation.cross_val_score()，其作用在于利用所选的模型对实验数据进行交叉验证，并输出评分（根据cv的分组）。
参考：cross_val_score用法

二、具体用法比较
结合不同的问题选取相应的采样或数据拆分方法，一般而言在分类问题中，对数据进行交叉采样时选择StratifiedKFold可能比较合适，如果是回归问题则可选择另外两种方法。
1、KFold交叉采样
将训练/测试数据集划分n_splits个互斥子集，每次只用其中一个子集当做测试集，剩下的（n_splits-1）作为训练集，进行n_splits次实验并得到n_splits个结果。

from sklearn.model_selection import KFold
kfolder=sklearn.model_selection.KFold(n_splits=3,shuffle=False,random_state=None)

2、StratifiedKFold分层采样
与KFold最大的差异在于，StratifiedKFold方法是根据标签中不同类别占比来进行拆分数据的。

from sklearn.model_selection import StratifiedKFold
sfolder=s