欢迎光临
我们一直在努力

sklearn中不同交叉验证方法的场景适配

一、划分方式速查表(核心选型)

划分器适用场景核心特点推荐度
KFold 回归任务、类别均衡分类 均分K份,无分层,可打乱 ⭐⭐⭐
StratifiedKFold 所有分类任务(含类别不平衡) 分层保类别比例,标准K折交叉验证 ⭐⭐⭐⭐⭐
ShuffleSplit 通用数据集,自定义训练/测试占比 随机抽样划分,无分层 ⭐⭐⭐
StratifiedShuffleSplit 分类任务 + 自定义测试集比例 分层+随机打乱,单划分等价分层切集 ⭐⭐⭐⭐⭐
GroupKFold / LeaveOneGroupOut 带分组数据(用户/样本/设备分组) 同组数据不跨训练/测试集,防数据泄露 ⭐⭐⭐⭐
TimeSeriesSplit 时序数据(股价、流量、时序预测) 禁止打乱,严格按时间顺序划分 ⭐⭐⭐⭐

二、场景快速判断口诀

  • 做回归 → 用 KFold
  • 做分类 + 交叉验证(K折) → 首选 StratifiedKFold
  • 做分类 + 单次划分/自定义测试集比例 → 首选 StratifiedShuffleSplit
  • 数据有分组标识(同一个体/设备多条样本)→ 用 GroupKFold
  • 时间序列数据 → 专用 TimeSeriesSplit

  • 三、全套最简可运行代码模板

    统一导入

    import numpy as np
    from sklearn.model_selection import (
    KFold, StratifiedKFold,
    ShuffleSplit, StratifiedShuffleSplit,
    GroupKFold, TimeSeriesSplit
    )
    from sklearn.utils.validation import check_random_state

    # 统一随机种子(sklearn 标准用法)
    seed = 42
    rng = check_random_state(seed)

    1. KFold(回归/均衡分类)

    kf = KFold(n_splits=5, shuffle=True, random_state=rng)
    for train_idx, test_idx in kf.split(X):
    X_train, X_test = X[train_idx], X[test_idx]

    2. StratifiedKFold(分类K折,最常用)

    skf = StratifiedKFold(n_splits=5, shuffle=True, random_state=rng)
    for train_idx, test_idx in skf.split(X, y):
    X_train, X_test = X[train_idx], X[test_idx]
    y_train, y_test = y[train_idx], y[test_idx]

    3. ShuffleSplit(通用随机划分,无分层)

    ss = ShuffleSplit(n_splits=5, test_size=0.2, random_state=rng)
    for train_idx, test_idx in ss.split(X):
    X_train, X_test = X[train_idx], X[test_idx]

    4. StratifiedShuffleSplit(分类分层随机划分)

    # n_splits=1 单次划分,等价分层train_test_split
    sss = StratifiedShuffleSplit(n_splits=1, test_size=0.2, random_state=rng)
    for train_idx, test_idx in sss.split(X, y):
    X_train, X_test = X[train_idx], X[test_idx]
    y_train, y_test = y[train_idx], y[test_idx]

    5. GroupKFold(分组数据)

    # groups 为每组对应的标签数组
    gkf = GroupKFold(n_splits=5)
    for train_idx, test_idx in gkf.split(X, y, groups=groups):
    X_train, X_test = X[train_idx], X[test_idx]

    6. TimeSeriesSplit(时序数据,不可shuffle)

    tscv = TimeSeriesSplit(n_splits=5)
    for train_idx, test_idx in tscv.split(X):
    X_train, X_test = X[train_idx], X[test_idx]


    四、补充关键提醒

  • 分层类划分器(Stratified*)必须传入标签 y,否则失效;
  • 时序划分不能开启打乱,会破坏时间逻辑;
  • 需结果可复现时,统一用 check_random_state 管理随机种子,适配所有 sklearn 组件;
  • 日常单次划分训练/测试集:优先 StratifiedShuffleSplit(n_splits=1) 或 train_test_split(stratify=y)。
  • 赞(0)
    未经允许不得转载:171主机测评 » sklearn中不同交叉验证方法的场景适配
    分享到: 更多 (0)

    评论 抢沙发

    • 昵称 (必填)
    • 邮箱 (必填)
    • 网址