2

我正在尝试应用 kfold 方法，但我不知道如何访问生成的训练和测试集。在浏览了几个博客和 scikitlearn 用户指南之后，人们唯一要做的就是打印训练和测试集。这可能适用于小型数据帧，但对于较大的数据帧则没有用。谁能帮我？

我正在使用的数据：https ://github.com/ageron/handson-ml/tree/master/datasets/housing

我目前在哪里：

X = housing[['total_rooms', 'total_bedrooms']]
y = housing['median_house_value']

kf = KFold(n_splits=5) 

for train_index, test_index in kf.split(X):
    X_train, X_test = X.iloc[train_index], X.iloc[test_index]
    y_train, y_test = y.iloc[train_index], y.iloc[test_index]

但这仅对生成最后一个数据集有用。我应该能够得到所有。

提前致谢。

4

1 回答 1

1

AFAIK，KFold（实际上是与交叉验证过程相关的所有内容）旨在提供临时数据集，以便如您所说的那样，可以动态使用它们来拟合和评估模型，如交叉验证指标中所示scikit-learn 用于每个数据拆分。

尽管如此，由于Kfold.split()生成了 Python 生成器，因此您可以使用生成的索引来获取永久子集，尽管需要进行一些手动工作。以下是波士顿数据的示例：

from sklearn.model_selection import KFold
from sklearn.datasets import load_boston

X, y = load_boston(return_X_y=True)
n_splits = 3
kf = KFold(n_splits=n_splits, shuffle=True)

folds = [next(kf.split(X)) for i in range(n_splits)]

现在，对于每个kin range(n_splits)，都folds[k][0]包含训练索引和folds[k][1]相应的验证索引，因此您可以执行以下操作：

X_train_1 = X[folds[0][0]]
X_test_1 = X[folds[0][1]]

等等。请注意，相同的索引也适用于标签y。

于 2020-03-28T17:19:46.040 回答