scikit-learn交叉驗證不平衡數據欠採樣

如何在scikit-learn中爲交叉驗證生成隨機摺疊？假設我們有一個類的20個樣本，另一個80個，我們需要生成N個訓練集和測試集，每個訓練集的大小爲30，在每個訓練集的約束下，我們有第一級的50％和第二級的50％。scikit-learn交叉驗證不平衡數據欠採樣

我發現這個討論（https://github.com/scikit-learn/scikit-learn/issues/1362），但我不明白如何得到摺疊。理想情況下，我認爲我需要這樣的功能：

cfolds = np.cross_validation.imaginaryfunction(
[list(itertools.repeat(1,20)), list(itertools.repeat(2,80))], 
n_iter=100, test_size=0.70)

我錯過了什麼？

2013-12-20 adrin

爲什麼不使用'random.sample（）'？ – Skyler

出於同樣的原因，我們擁有所有其他的cross_validation功能！ – adrin

您可以定義自己的交叉驗證生成器：它應該是一個帶有返回N的'__len__'和產生'N'對列表'（train_indices，test_indices）'的'__iter__'的對象。 –

有做交叉驗證與scikit欠沒有直接的方法，但有兩種解決方法：

使用StratifiedCrossValidation以獲得與每個摺疊鏡像數據的分撥配送交叉驗證，那麼您可以通過class_weight param來實現分類器中的不平衡減少，該參數可以採用auto以及欠採樣/過採樣類與其數量成反比，或者可以傳遞具有明確權重的字典。

自己寫的交叉驗證程序，該程序應該非常直截了當使用pandas。

2013-12-29 12:17:18 JohnnyM

StratifiedCV是一個不錯的選擇，但你可以把它簡單：在與1類數據

就是這樣。快速和可行！

2018-01-10 10:43:52 avchauzov

回答