本实例使用Numpy的数组切片语法,实现了K折交叉验证的数据划分
为什么需要这个?
在机器学习中,因为如下原因,使用K折交叉验证能更好评估模型效果:
K折验证是什么
K折验证(K-fold validtion)将数据划分为大小相同的K个分区。
对每个分区i,在剩余的K-1个分区上训练模型,然后在分区i上评估模型。
最终分数等于K个分数的平均值,使用平均值来消除训练集和测试集的划分影响;
用样本的角度解释下data数组:
这是scikit-learn模型训练输入的标准格式
for fold in range(k): validation_begin = k_samples_count*fold validation_end = k_samples_count*(fold+1) validation_data = data[validation_begin:validation_end] # np.vstack,沿着垂直的方向堆叠数组 train_data = np.vstack([ data[:validation_begin], data[validation_end:] ]) print() print(f"#####第{fold}折#####") print("验证集:\n", validation_data) print("训练集:\n", train_data)
结果: #####第0折##### 验证集: [[0 1 2 3] [4 5 6 7]] 训练集: [[ 8 9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23] [24 25 26 27] [28 29 30 31] [32 33 34 35]] #####第1折##### 验证集: [[ 8 9 10 11] [12 13 14 15]] 训练集: [[ 0 1 2 3] [ 4 5 6 7] [16 17 18 19] [20 21 22 23] [24 25 26 27] [28 29 30 31] [32 33 34 35]] #####第2折##### 验证集: [[16 17 18 19] [20 21 22 23]] 训练集: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15] [24 25 26 27] [28 29 30 31] [32 33 34 35]] #####第3折##### 验证集: [[24 25 26 27] [28 29 30 31]] 训练集: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23] [32 33 34 35]]