GroupShuffleSplit#

class sklearn.model_selection.GroupShuffleSplit(n_splits=5, *, test_size=None, train_size=None, random_state=None)[Quelle]#

Shuffle-Group(s)-Out Kreuzvalidierungs-Iterator.

Bietet randomisierte Trainings-/Test-Indizes, um Daten gemäß einer von Dritten bereitgestellten Gruppe aufzuteilen. Diese Gruppeninformationen können verwendet werden, um beliebige domänenspezifische Stratifizierungen der Stichproben als Ganzzahlen zu kodieren.

Beispielsweise könnten die Gruppen das Sammeljahr der Stichproben sein und somit eine zeitbasierte Aufteilung für die Kreuzvalidierung ermöglichen.

Der Unterschied zwischen LeavePGroupsOut und GroupShuffleSplit besteht darin, dass erstere Splits unter Verwendung aller Teilmengen der Größe p eindeutiger Gruppen generiert, während GroupShuffleSplit eine vom Benutzer bestimmte Anzahl zufälliger Test-Splits generiert, jeder mit einem vom Benutzer bestimmten Bruchteil eindeutiger Gruppen.

Zum Beispiel wäre eine weniger rechenintensive Alternative zu LeavePGroupsOut(p=10) GroupShuffleSplit(test_size=10, n_splits=100).

Im Gegensatz zu anderen Kreuzvalidierungsstrategien garantieren die zufälligen Splits nicht, dass die Testsets über alle Folds hinweg gegenseitig exklusiv sind, und können überlappende Stichproben enthalten. Dies ist jedoch bei ausreichend großen Datensätzen immer noch sehr wahrscheinlich.

Hinweis: Die Parameter test_size und train_size beziehen sich auf Gruppen und nicht auf Stichproben wie in ShuffleSplit.

Lesen Sie mehr im Benutzerhandbuch.

Zur Visualisierung des Kreuzvalidierungsverhaltens und zum Vergleich zwischen gängigen scikit-learn-Split-Methoden siehe Visualisierung des Kreuzvalidierungsverhaltens in scikit-learn

Parameter:
n_splitsint, default=5

Anzahl der Wiederholungen des Mischens und Aufteilens.

test_sizefloat, int, default=None

Wenn float, sollte zwischen 0,0 und 1,0 liegen und den Anteil der Gruppen darstellen, die in den Test-Split einbezogen werden (aufgerundet). Wenn int, stellt dies die absolute Anzahl der Testgruppen dar. Wenn None, wird der Wert auf das Komplement der Trainingsgröße gesetzt. Wenn train_size ebenfalls None ist, wird er auf 0,2 gesetzt.

train_sizefloat oder int, Standardwert=None

Wenn float, sollte zwischen 0,0 und 1,0 liegen und den Anteil der Gruppen darstellen, die in den Trainings-Split einbezogen werden. Wenn int, stellt dies die absolute Anzahl der Trainingsgruppen dar. Wenn None, wird der Wert automatisch auf das Komplement der Testgröße gesetzt.

random_stateint, RandomState-Instanz oder None, default=None

Steuert die Zufälligkeit der erzeugten Trainings- und Testindizes. Übergeben Sie eine Ganzzahl für reproduzierbare Ergebnisse über mehrere Funktionsaufrufe hinweg. Siehe Glossar.

Siehe auch

ShuffleSplit

Mischt Stichproben, um unabhängige Test-/Trainingssätze zu erstellen.

LeavePGroupsOut

Der Trainingssatz lässt alle möglichen Teilmengen von p Gruppen aus.

Beispiele

>>> import numpy as np
>>> from sklearn.model_selection import GroupShuffleSplit
>>> X = np.ones(shape=(8, 2))
>>> y = np.ones(shape=(8, 1))
>>> groups = np.array([1, 1, 2, 2, 2, 3, 3, 3])
>>> print(groups.shape)
(8,)
>>> gss = GroupShuffleSplit(n_splits=2, train_size=.7, random_state=42)
>>> gss.get_n_splits()
2
>>> print(gss)
GroupShuffleSplit(n_splits=2, random_state=42, test_size=None, train_size=0.7)
>>> for i, (train_index, test_index) in enumerate(gss.split(X, y, groups)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}, group={groups[train_index]}")
...     print(f"  Test:  index={test_index}, group={groups[test_index]}")
Fold 0:
  Train: index=[2 3 4 5 6 7], group=[2 2 2 3 3 3]
  Test:  index=[0 1], group=[1 1]
Fold 1:
  Train: index=[0 1 5 6 7], group=[1 1 3 3 3]
  Test:  index=[2 3 4], group=[2 2 2]
get_metadata_routing()[Quelle]#

Holt das Metadaten-Routing dieses Objekts.

Bitte prüfen Sie im Benutzerhandbuch, wie der Routing-Mechanismus funktioniert.

Gibt zurück:
routingMetadataRequest

Ein MetadataRequest, der Routing-Informationen kapselt.

get_n_splits(X=None, y=None, groups=None)[Quelle]#

Gibt die Anzahl der Splitting-Iterationen zurück, die mit dem Parameter n_splits bei der Instanziierung des Kreuzvalidierers festgelegt wurden.

Parameter:
Xarray-like von Shape (n_samples, n_features), default=None

Immer ignoriert, existiert aus API-Kompatibilitätsgründen.

yarray-like mit Form (n_samples,), default=None

Immer ignoriert, existiert aus API-Kompatibilitätsgründen.

groupsarray-like of shape (n_samples,), default=None

Immer ignoriert, existiert aus API-Kompatibilitätsgründen.

Gibt zurück:
n_splitsint

Gibt die Anzahl der Teilungsschritte im Kreuzvalidierer zurück.

set_split_request(*, groups: bool | None | str = '$UNCHANGED$') → GroupShuffleSplit[Quelle]#

Konfigurieren Sie, ob Metadaten für die Methode split angefordert werden sollen.

Beachten Sie, dass diese Methode nur relevant ist, wenn dieser Schätzer als Unter-Schätzer innerhalb eines Meta-Schätzers verwendet wird und Metadaten-Routing mit enable_metadata_routing=True aktiviert ist (siehe sklearn.set_config). Bitte lesen Sie das Benutzerhandbuch, um zu erfahren, wie der Routing-Mechanismus funktioniert.

Die Optionen für jeden Parameter sind

  • True: Metadaten werden angefordert und an split übergeben, wenn sie bereitgestellt werden. Die Anforderung wird ignoriert, wenn keine Metadaten bereitgestellt werden.

  • False: Metadaten werden nicht angefordert und der Meta-Estimator übergibt sie nicht an split.

  • None: Metadaten werden nicht angefordert und der Meta-Schätzer löst einen Fehler aus, wenn der Benutzer sie bereitstellt.

  • str: Metadaten sollten mit diesem Alias an den Meta-Schätzer übergeben werden und nicht mit dem ursprünglichen Namen.

Der Standardwert (sklearn.utils.metadata_routing.UNCHANGED) behält die bestehende Anforderung bei. Dies ermöglicht es Ihnen, die Anforderung für einige Parameter zu ändern und für andere nicht.

Hinzugefügt in Version 1.3.

Parameter:
groupsstr, True, False, oder None, Standard: sklearn.utils.metadata_routing.UNCHANGED

Metadaten-Routing für den Parameter groups in split.

Gibt zurück:
selfobject

Das aktualisierte Objekt.

split(X, y=None, groups=None)[Quelle]#

Generiert Indizes zum Aufteilen von Daten in Trainings- und Testsets.

Parameter:
Xarray-like der Form (n_samples, n_features)

Trainingsdaten, wobei n_samples die Anzahl der Stichproben und n_features die Anzahl der Merkmale ist.

yarray-like mit Form (n_samples,), default=None

Die Zielvariable für überwachte Lernprobleme.

groupsarray-like von Form (n_samples,)

Gruppenbeschriftungen für die Samples, die beim Aufteilen des Datensatzes in Trainings-/Testsets verwendet werden.

Gibt:
trainndarray

Die Trainingsset-Indizes für diese Teilung.

testndarray

Die Testset-Indizes für diese Teilung.

Anmerkungen

Randomisierte CV-Splitter können bei jedem Aufruf von split unterschiedliche Ergebnisse liefern. Sie können die Ergebnisse identisch machen, indem Sie random_state auf eine Ganzzahl setzen.