python - scikit-learn 中用于交叉验证的自定义折叠

Question

我想对特定分类器使用 GridSearchCV（n_jobs > 1），但我有来自另一个来源的 10 倍交叉验证的折叠信息。有没有办法输入已经分成折叠的数据，而不是使用 GridSearchCV 创建的折叠。

谢谢！

Answer 1

您可以创建自定义 CV 迭代器，例如通过 LeaveOneGroupOut或LeaveOneGroupOut的灵感来实现您感兴趣的结构。

或者，您可以准备自己的预计算折叠，编码为整数数组（表示和之间的样本索引0）n_samples - 1，然后将该 CV 迭代器作为和实用程序的cv参数传递：cross_val_scoreGridSearchCV

>>> X, y = make_classification(n_samples=10)
>>> import numpy as np
>>> from sklearn.datasets import make_classification
>>> from sklearn.linear_model import LogisticRegression
>>> from sklearn.model_selection import cross_val_score
>>> cv_splits = [
...     (np.array([0, 1, 2, 3]), np.array([4, 5, 6])),
...     (np.array([1, 2, 3, 4]), np.array([5, 6, 7])),
...     (np.array([5, 6, 8, 9]), np.array([1, 2, 3, 4])),
... ]
>>> cross_val_score(LogisticRegression(), X, y, cv=cv_splits)
array([1.        , 0.33333333, 0.75      ])