交叉验证

Python 中的模型验证

Kasey Jones

Data Scientist

交叉验证

创建训练、验证和测试集就是将整体数据分为 3 部分。例如：60% 训练，20% 验证，20% 测试。

交叉验证

交叉验证需多次将数据划分为训练集与验证集，而非一次 80:20 划分。例如可用 5 组不同的 80:20。

n_splits：交叉验证折数

shuffle：是否在划分前打乱数据的布尔值

random_state：随机种子

from sklearn.model_selection import KFold

X = np.array(range(40))
y = np.array([0] * 20 + [1] * 20)

kf = KFold(n_splits=5)

splits = kf.split(X)

kf = KFold(n_splits=5)
splits = kf.split(X)

for train_index, test_index in splits:
    print(len(train_index), len(test_index))

32 8 32 8 32 8 32 8 32 8

# 打印其中一组索引：
print(train_index, test_index)

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 ...]
[32 33 34 35 36 37 38 39]

rfr = RandomForestRegressor(n_estimators=25, random_state=1111)

errors = []
for train_index, val_index in splits:
    X_train, y_train = X[train_index], y[train_index]
    X_val, y_val = X[val_index], y[val_index]

    rfr.fit(X_train, y_train)
    predictions = rfr.predict(X_val)
    errors.append(<some_accuracy_metric>)

print(np.mean(errors))

4.25

练习时间

Python 中的模型验证