一、問題來源：

在kaggle代碼中第一次看到GroupKFold，不太清楚和KFold的區(qū)別，所以才想著去搞清楚這個問題

二、KFold

>>> import numpy as np >>> from sklearn.model_selection import KFold>>> X = ["a", "b", "c", "d"] >>> kf = KFold(n_splits=2) >>> for train, test in kf.split(X): ... print("%s %s" % (train, test)) [2 3] [0 1] [0 1] [2 3]

三、Stratified k-fold

StratifiedKFold是k-fold的一個變體，它會根據(jù)數(shù)據(jù)集的分布來劃分，使得 劃分后的數(shù)據(jù)集的目標比例和原始數(shù)據(jù)集近似。

>>> from sklearn.model_selection import StratifiedKFold>>> X = np.ones(10) >>> y = [0, 0, 0, 0, 1, 1, 1, 1, 1, 1] >>> skf = StratifiedKFold(n_splits=3) >>> for train, test in skf.split(X, y): ... print("%s %s" % (train, test)) [2 3 6 7 8 9] [0 1 4 5] [0 1 3 4 5 8 9] [2 6 7] [0 1 2 4 5 6 7] [3 8 9]

四、Group k-fold

GroupKFold 會保證同一個group的數(shù)據(jù)不會同時出現(xiàn)在訓(xùn)練集和測試集上。因為如果訓(xùn)練集中包含了每個group的幾個樣例，可能訓(xùn)練得到的模型能夠足夠靈活地從這些樣例中學(xué)習(xí)到特征，在測試集上也會表現(xiàn)很好。但一旦遇到一個新的group它就會表現(xiàn)很差。

>>> from sklearn.model_selection import GroupKFold>>> X = [0.1, 0.2, 2.2, 2.4, 2.3, 4.55, 5.8, 8.8, 9, 10] >>> y = ["a", "b", "b", "b", "c", "c", "c", "d", "d", "d"] >>> groups = [1, 1, 1, 2, 2, 2, 3, 3, 3, 3]>>> gkf = GroupKFold(n_splits=3) >>> for train, test in gkf.split(X, y, groups=groups): ... print("%s %s" % (train, test)) [0 1 2 3 4 5] [6 7 8 9] [0 1 2 6 7 8 9] [3 4 5] [3 4 5 6 7 8 9] [0 1 2]

問題：應(yīng)用中還未發(fā)現(xiàn)GroupKFold的使用價值，后續(xù)發(fā)現(xiàn)補上……

來源：https://zhuanlan.zhihu.com/p/52515873
圖片參考：https://scikit-learn.org/stable/auto_examples/model_selection/plot_cv_indices.html#sphx-glr-auto-examples-model-selection-plot-cv-indices-py

總結(jié)

以上是生活随笔為你收集整理的KFold、StratifiedKFold、GroupKFold的区别的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。