问题标签 [k-fold]

我正在使用StratifiedKFold，但我不确定kfold.split下面代码中返回的训练和测试大小是多少。假设Print(array.shape)返回(12904, 47)，即行数为 12904，列数为 47，那么训练和测试的大小是多少？

我正在尝试使用 for 循环来确定用于回归中每个变量的最佳多项式次数，然后将使用 k 折交叉验证。我收到一个错误“xj[i] 中的错误：只有 0 可能与负下标混合”。我知道这段代码可能不是很“r-ish”，因为我是该语言的新手，所以任何其他提示也会有所帮助。

我希望最终得到存储每个组合以及 MSE 的向量，以便我可以看到哪种组合是最佳的。

本文中有一个使用迁移学习和 LSTM 的基于深度学习的模型，作者使用了 10 倍交叉验证（如表 3 所示）并取结果的平均值。我熟悉 10 折交叉验证，因为我们需要划分数据并传递给模型，但是在这段代码中（这里）我不知道如何划分数据并传递它。

有两个训练/测试/开发数据集（一个用于情感分析，一个用于情感分析，我们都将其用于迁移学习，但我的重点是情感分析）。原始数据在几个 txt 格式的文件中，在运行模型后，它给出了两个新的 txt 文件，一个用于预测标签，一个用于真实标签。

主文件中有一行代码：

其中“数据”是一类数据（代码），包括测试/训练/开发数据集：我认为我需要在此处传递划分的数据。如果我是对的，我该如何进行分区并执行 10 折交叉验证？

我正在尝试使用 scikit learn 中的 KFold 模块将我从对完整数据集执行多重线性回归的 RMSE 与 10 倍交叉验证的 RMSE 进行比较。我发现了一些我试图调整的代码，但我无法让它工作（我怀疑它从一开始就没有工作过。

TIA 寻求帮助！

这是我的线性回归函数

我收到关于 kfold 对象不可迭代的错误

我正在编写此代码并不断获得支持的目标类型是：（'binary'，'multiclass'）。取而代之的是“连续”。无论我尝试什么，都会出错。您在我的代码中看到问题了吗？

在使用 scikit-learn 中的 GroupKFold 方法时，我收到一条错误消息，鉴于文档，我无法理解。

错误信息是：

该文档指出：

对于一个可重现的例子：

这会产生以下错误消息：

我被分配了一项任务，需要创建一个决策树分类器并使用训练集和 10 折交叉验证来确定准确率。我查看了文档，cross_val_predict因为我相信这是我需要的模块。

我遇到的问题是数据集的拆分。据我所知，在通常情况下，该train_test_split()方法用于将数据集拆分为 2 - train和test。据我了解，对于 K 折验证，您需要将训练集进一步拆分为 K 个部分。

我的问题是：我是否需要在开始时将数据集拆分为train和test？

我创建了一个DataFrame( df_kfolds) 有 2 列：kfolds& Mean_ScorewhereKfolds的值从 3 到 5 不等。我试图计算mean_score从以下派生的每个 kfold 的：

在哪里 ：

我知道您可以使用来自另一列的值基于简单的数学计算创建列，但不确定您是否可以使用统计函数。这是我的代码：

抛出此错误：

感谢您对此的任何帮助！

我是 pytorch 的新手，正在尝试实现前馈神经网络来对 mnist 数据集进行分类。我在尝试使用交叉验证时遇到了一些问题。我的数据具有以下形状： x_train: torch.Size([45000, 784])和 y_train:torch.Size([45000])

我尝试使用 sklearn 中的 KFold。

kfold =KFold(n_splits=10)

这是我的训练方法的第一部分，我将数据分成折叠：

变量的索引y_train_fold是正确的，它只是: [ 0 1 2 ... 4497 4498 4499]，但不是 for x_train_fold，而是[ 4500 4501 4502 ... 44997 44998 44999]. 测试折叠也是如此。

对于第一次迭代，我希望变量x_train_fold是前 4500 张图片，换句话说，有 shape torch.Size([4500, 784])，但它有 shapetorch.Size([40500, 784])

关于如何做到这一点的任何提示？

我想做这样的事情：

接着 ：

但是，它不起作用，为什么以及如何绕过该问题？

我的想法是我想在代码的不同部分多次使用相同的拆分...我不知道如何“存储”拆分。