RepeatedStratifiedKFold#

class sklearn.model_selection.RepeatedStratifiedKFold(*, n_splits=5, n_repeats=10, random_state=None)[來源]#

重複分層 K 折交叉驗證器。

重複分層 K 折 n 次，每次重複使用不同的隨機化。

在使用者指南中閱讀更多內容。

參數:

n_splitsint，預設值=5: 折數。必須至少為 2。
n_repeatsint，預設值=10: 交叉驗證器需要重複的次數。
random_stateint、RandomState 實例或 None，預設值=None: 控制每次重複的隨機狀態產生。傳遞 int 以便在多個函數調用中產生可重現的輸出。請參閱詞彙表。

另請參閱

RepeatedKFold: 重複 K 折 n 次。

注意事項

隨機的交叉驗證分割器在每次呼叫 split 時可能會返回不同的結果。您可以將 random_state 設定為整數，使結果一致。

範例

>>> import numpy as np
>>> from sklearn.model_selection import RepeatedStratifiedKFold
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 1, 1])
>>> rskf = RepeatedStratifiedKFold(n_splits=2, n_repeats=2,
...     random_state=36851234)
>>> rskf.get_n_splits(X, y)
4
>>> print(rskf)
RepeatedStratifiedKFold(n_repeats=2, n_splits=2, random_state=36851234)
>>> for i, (train_index, test_index) in enumerate(rskf.split(X, y)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}")
...     print(f"  Test:  index={test_index}")
...
Fold 0:
  Train: index=[1 2]
  Test:  index=[0 3]
Fold 1:
  Train: index=[0 3]
  Test:  index=[1 2]
Fold 2:
  Train: index=[1 3]
  Test:  index=[0 2]
Fold 3:
  Train: index=[0 2]
  Test:  index=[1 3]