KFold,StratifiedKFold,cross_val_score用法

蔚蓝祥和的天空

于 2020-10-09 19:49:25 发布

阅读量1.8k

点赞数 3

分类专栏：特征处理机器学习文章标签：机器学习

本文链接：https://blog.youkuaiyun.com/zyoulanxin/article/details/108984806

版权

机器学习同时被 2 个专栏收录

8 篇文章 ¥99.90 ¥299.90

订阅专栏

超级会员免费看

特征处理

3 篇文章

订阅专栏

本文介绍了机器学习中常用的交叉验证方法，包括KFold和StratifiedKFold。KFold将数据集分为k个部分进行训练和验证；StratifiedKFold则在划分时保持类别比例。此外，还讲解了如何使用cross_val_score进行交叉验证并获取评估指标的平均值，以及查看可用的scoring评价标准。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、KFold和StratifiedKFold

KFold:

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。
注：对于不能均等分的数据集，前n_samples%n_spllits子集拥有n_samples//n_spllits+1个样本，
其余子集都只有n_samples//n_spllits个样本。（例10行数据分3份，只有一份可分