0

我正在使用一个简单的 KFold 拆分：

from sklearn.model_selection import KFold
kfold = KFold(n_splits=10, shuffle=True, random_state=123)

train_idx, val_idx = kfold.split(X_train)

我收到以下错误：

ValueError: too many values to unpack (expected 2)

我注意到，如果数量n_splits与要解压到的数字变量匹配，则它可以正常工作。因此，它将训练和测试的每个拆分解包到一个单独的变量中。

但是，用户指南指出它只产生 2 个变量。

我想将所有拆分解压缩为 2 个变量：1 个用于所有火车索引拆分，1 个用于所有测试索引拆分。

4

1 回答 1

0

KFold 返回一个生成器：

from sklearn.model_selection import KFold
import numpy as np
X = np.random.normal(0,1,(10,5))
kfold = KFold(n_splits=10, shuffle=True, random_state=123)
type(kfold.split(X_train))

generator

它旨在用于 for 循环，您可以遍历它将遍历的内容，例如在第一次迭代时：

list(kfold.split(X_train))[0]

(array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
        17, 18, 19, 20, 21, 22, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35,
        36, 37, 38, 39, 40, 41, 44, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55,
        56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 69, 70, 71, 74]),
 array([23, 24, 42, 43, 45, 68, 72, 73]))

所以上面的内容只有在 n_splits=2 时才有效，因为数据结构是单个元素的结构。

如果您真的想收集所有索引，那么我认为这是一种方法：

train_idx = []
val_idx = []
for x,y in kfold.split(X_train):
    train_idx.append(x)
    val_idx.append(y)
于 2020-06-06T12:16:39.977 回答