由於從標題我想知道是什麼差異
StratifiedKFold與參數洗牌之差=真
StratifiedKFold(n_splits=10, shuffle=True, random_state=0)
和
StratifiedShuffleSplit(n_splits=10, test_size=’default’, train_size=None, random_state=0)
和使用StratifiedShuffleSplit
的優點是什麼？在KFolds中，每個測試集都不應該重疊，即使是隨機播放。與KFolds和洗牌，數據在開始混洗一次，然後分割成期望分割的數量。測試數據總是其中的一個分組，火車數據是其餘部分。
在ShuffleSplit，數據被混洗的每個時間，然後分裂。這意味着測試集可能會在分割之間重疊。
爲差異的一個例子見該塊。請注意ShuffleSplit測試集中元素的重疊。
splits = 5
tx = range(10)
ty = [0] * 5 + [1] * 5
from sklearn.model_selection import StratifiedShuffleSplit, StratifiedKFold
from sklearn import datasets
kfold = StratifiedKFold(n_splits=splits, shuffle=True, random_state=42)
shufflesplit = StratifiedShuffleSplit(n_splits=splits, random_state=42, test_size=2)
print("KFold")
for train_index, test_index in kfold.split(tx, ty):
print("TRAIN:", train_index, "TEST:", test_index)
print("Shuffle Split")
for train_index, test_index in shufflesplit.split(tx, ty):
print("TRAIN:", train_index, "TEST:", test_index)
輸出：
KFold
TRAIN: [0 2 3 4 5 6 7 9] TEST: [1 8]
TRAIN: [0 1 2 3 5 7 8 9] TEST: [4 6]
TRAIN: [0 1 3 4 5 6 8 9] TEST: [2 7]
TRAIN: [1 2 3 4 6 7 8 9] TEST: [0 5]
TRAIN: [0 1 2 4 5 6 7 8] TEST: [3 9]
Shuffle Split
TRAIN: [8 4 1 0 6 5 7 2] TEST: [3 9]
TRAIN: [7 0 3 9 4 5 1 6] TEST: [8 2]
TRAIN: [1 2 5 6 4 8 9 0] TEST: [3 7]
TRAIN: [4 6 7 8 3 5 1 2] TEST: [9 0]
TRAIN: [7 2 6 5 4 3 0 9] TEST: [1 8]
至於何時使用它們，我傾向於使用KFolds任何交叉驗證，我用ShuffleSplit具有用於我的列車/試驗組分割的2分割。但我相信這兩者都有其他用例。
一個是k重迭代器，其將分割數據k次，和其它分裂僅單個時間在StratifiedShuffleSplit –
MMM可以設置分割數...從sklearn網頁：StratifiedShuffleSplit：該交叉驗證對象是StratifiedKFold和ShuffleSplit的合併，它返回分層隨機倍。通過保留每個班級的樣本百分比來製作摺疊。 – gabboshow
啊哈，是的，是我不好。但是它仍然寫在StratifiedShuffleSplit文檔中，它指出：「這個交叉驗證對象是StratifiedKFold和ShuffleSplit的合併，它返回分層的隨機摺疊，摺疊是通過保留每個類的樣本的百分比來完成的。」 –