sklearn学习--数据划分

数据划分

我们可以使用交叉验证或其他划分数据集的方法对数据集多次划分，以得出模型平均的性能而不是偶然结果。sklearn 有很多划分数据集的方法，它们都在model_selection 里面，常用的有

• K折交叉验证：
• KFold 普通K折交叉验证
• StratifiedKFold（保证每一类的比例相等）
• 留一法：
• LeaveOneOut （留一）
• LeavePOut （留P验证，当P = 1 时变成留一法）
• 随机划分法：
• ShuffleSplit （随机打乱后划分数据集）
• StratifiedShuffleSplit （随机打乱后，返回分层划分，每个划分类的比例与样本原始比例一致）

以上方法除了留一法都有几个同样的参数：

• n_splits：设置划分次数
• random_state：设置随机种子

以上的划分方法各有各的优点，留一法、K折交叉验证充分利用了数据，但开销比随机划分要高，随机划分方法可以较好的控制训练集与测试集的比例。（通过设置train_size参数）。关于划分数据集的使用可以参照上面例子中的ShuffleSplit的用法，其他的函数使用方法大同小异，详细可查看官方文档。