27

我正在关注tensorflow 的 IRIS 示例。

我现在的情况是我将所有数据都放在一个 CSV 文件中，没有分开，我想对这些数据应用 k 折交叉验证。

我有

data_set = tf.contrib.learn.datasets.base.load_csv(filename="mydata.csv",
                                                   target_dtype=np.int)

如何使用与 IRIS 示例相同的多层神经网络对这个数据集执行 k 折交叉验证？

4

3 回答 3

36

我知道这个问题很老，但如果有人想做类似的事情，请扩展ahmedhosny 的答案：

新的 tensorflow 数据集 API 能够使用 python 生成器创建数据集对象，因此与 scikit-learn 的 KFold 一起，一个选项可以是从 KFold.split() 生成器创建数据集：

import numpy as np

from sklearn.model_selection import LeaveOneOut,KFold

import tensorflow as tf
import tensorflow.contrib.eager as tfe
tf.enable_eager_execution()

from sklearn.datasets import load_iris
data = load_iris()
X=data['data']
y=data['target']

def make_dataset(X_data,y_data,n_splits):

    def gen():
        for train_index, test_index in KFold(n_splits).split(X_data):
            X_train, X_test = X_data[train_index], X_data[test_index]
            y_train, y_test = y_data[train_index], y_data[test_index]
            yield X_train,y_train,X_test,y_test

    return tf.data.Dataset.from_generator(gen, (tf.float64,tf.float64,tf.float64,tf.float64))

dataset=make_dataset(X,y,10)

然后可以在基于图的张量流中或使用急切执行来遍历数据集。使用急切执行：

for X_train,y_train,X_test,y_test in tfe.Iterator(dataset):
    ....
于 2018-05-10T12:59:13.583 回答
11

NN 通常用于不使用 CV 且非常昂贵的大型数据集。对于 IRIS（每个物种 50 个样本），您可能需要它。为什么不使用具有不同随机种子的 scikit-learn来拆分您的训练和测试？

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

对于 kfold 中的 k：

  1. 以不同的方式拆分数据，将不同的值传递给“random_state”
  2. 使用 _train 学习网络
  3. 使用 _test 进行测试

如果您不喜欢随机种子并且想要更结构化的 k 折拆分，您可以使用从此处获取的。

from sklearn.model_selection import KFold, cross_val_score
X = ["a", "a", "b", "c", "c", "c"]
k_fold = KFold(n_splits=3)
for train_indices, test_indices in k_fold.split(X):
    print('Train: %s | test: %s' % (train_indices, test_indices))
Train: [2 3 4 5] | test: [0 1]
Train: [0 1 4 5] | test: [2 3]
Train: [0 1 2 3] | test: [4 5]
于 2016-11-20T10:42:59.837 回答
0

修改@ahmedhosny 答案

from sklearn.model_selection import KFold, cross_val_score
k_fold = KFold(n_splits=k)
train_ = []
test_ = []
for train_indices, test_indices in k_fold.split(all_data.index):
    train_.append(train_indices)
    test_.append(test_indices)
于 2021-08-03T22:26:46.900 回答