KFold和ShuffleSplit CV之间有何区别？

Question

KFold和ShuffleSplit CV之间有何区别？

47

看起来KFold每次迭代生成相同的值，而Shuffle Split每次生成不同的索引。这是正确的吗？如果是，那么一个相对于另一个有什么用途呢？

cv = cross_validation.KFold(10, n_folds=2,shuffle=True,random_state=None)
cv2 = cross_validation.ShuffleSplit(10,n_iter=2,test_size=0.5)
print(list(iter(cv)))
print(list(iter(cv)))
print(list(iter(cv2)))
print(list(iter(cv2)))

产生以下输出：

[(array([1, 3, 5, 8, 9]), array([0, 2, 4, 6, 7])), (array([0, 2, 4, 6, 7]), array([1, 3, 5, 8, 9]))]                                     
[(array([1, 3, 5, 8, 9]), array([0, 2, 4, 6, 7])), (array([0, 2, 4, 6, 7]), array([1, 3, 5, 8, 9]))]                                     
[(array([4, 6, 3, 2, 7]), array([8, 1, 9, 0, 5])), (array([3, 6, 7, 0, 5]), array([9, 1, 8, 4, 2]))]                                     
[(array([3, 0, 2, 1, 7]), array([5, 6, 9, 4, 8])), (array([0, 7, 1, 3, 8]), array([6, 2, 5, 4, 9]))]

- rb612

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- ilyas patanam · Accepted Answer

KFold和ShuffleSplit输出的区别

KFold将数据集划分为预定数量的折叠（folds），每个样本必须位于一个且仅一个fold中。一个fold是您数据集的一个子集。

ShuffleSplit在每个迭代期间随机对整个数据集进行抽样，以生成训练集和测试集。 test_size和train_size参数控制每个迭代的测试集和训练集的大小。由于在每个迭代中都从整个数据集中抽样，因此在一次迭代中选择的值可能会在另一次迭代中再次选择。

总结： ShuffleSplit工作是迭代的，KFold只是将数据集分成 k 个折叠。

在验证时的区别

在KFold中，在每个回合中，您将使用一个fold作为测试集，而所有其余折叠作为训练集。但是，在ShuffleSplit中，在每个第n次迭代中，您应该只使用第n次迭代的训练集和测试集。随着数据集的增长，交叉验证时间会增加，使得ShuffleSplit成为更具吸引力的替代方案。如果您可以使用一定比例的数据来训练算法，而不是使用所有k-1个折叠，则ShuffleSplit是一个有吸引力的选择。