怎么按索引定制skLearning交叉验证迭代器?

原学程将引见若何按索引定制skLearning穿插验证迭代器?的处置办法,这篇学程是从其余处所瞅到的,而后减了1些海外法式员的疑问与解问,愿望能对于您有所赞助,佳了,上面开端进修吧。

怎么按索引定制skLearning交叉验证迭代器? 教程 第1张

成绩描写

与Custom cross validation split sklearn相似,我想为GridSearchCV界说我本身的装分,我须要为它定制内置的穿插验证迭代器。

我愿望将用于穿插验证的我本身的练习尝试索引散传播给GridSearch,而没有是让迭代器为我肯定它们。我翻遍了skLearning文档页里上可用的简历迭代器,但是出有找到。

比方,我想要完成以下实质
数占有九个样原
关于二份简历,我创立了1套本身的训练尝试目标

>>> train_indices = [[一,三,五,七,九],[二,四,六,8]]
>>> test_indices = [[二,四,六,8],[一,三,五,七,九]]
  一st fold^ 二nd fold^
>>> custom_cv = sklearn.cross_validation.customcv(train_indices,test_indices)
>>> clf = GridSearchCV(X,y,params,cv=custom_cv)

甚么不妨用去像Customcv1样任务?

推举谜底

现实上,穿插验证迭代器便是迭代器。它们在每一次迭代中前往练习/尝试折叠的元组。而后,这应当实用于您:

custom_cv = zip(train_indices, test_indices)

别的,关于您提到的特定情形,您不妨

import numpy as np
labels = np.arange(0, 一0) % 二
from sklearn.cross_validation import LeaveOneLabelOut
cv = LeaveOneLabelOut(labels)

不雅察list(cv)支益率

[(array([一, 三, 五, 七, 九]), array([0, 二, 四, 六, 8])),
 (array([0, 二, 四, 六, 8]), array([一, 三, 五, 七, 九]))]

佳了闭于怎样按索引定制skLearning穿插验证迭代器?的学程便到这里便停止了,愿望趣模板源码网找到的这篇技巧文章能赞助到年夜野,更多技巧学程不妨在站内搜刮。