我使用此代码进行测试KFold
和StratifiedKFold
。
import numpy as np
from sklearn.model_selection import KFold,StratifiedKFold
X = np.array([
[1,2,3,4],
[11,12,13,14],
[21,22,23,24],
[31,32,33,34],
[41,42,43,44],
[51,52,53,54],
[61,62,63,64],
[71,72,73,74]
])
y = np.array([0,0,0,0,1,1,1,1])
sfolder = StratifiedKFold(n_splits=4,random_state=0,shuffle=False)
floder = KFold(n_splits=4,random_state=0,shuffle=False)
for train, test in sfolder.split(X,y):
print('Train: %s | test: %s' % (train, test))
print("StratifiedKFold done")
for train, test in floder.split(X,y):
print('Train: %s | test: %s' % (train, test))
print("KFold done")
我发现StratifiedKFold
可以保留标签的比例,但是KFold
不能。
Train: [1 2 3 5 6 7] | test: [0 4]
Train: [0 2 3 4 6 7] | test: [1 5]
Train: [0 1 3 4 5 7] | test: [2 6]
Train: [0 1 2 4 5 6] | test: [3 7]
StratifiedKFold done
Train: [2 3 4 5 6 7] | test: [0 1]
Train: [0 1 4 5 6 7] | test: [2 3]
Train: [0 1 2 3 6 7] | test: [4 5]
Train: [0 1 2 3 4 5] | test: [6 7]
KFold done
似乎StratifiedKFold
更好,所以KFold
不应该使用?
什么时候使用KFold
代替StratifiedKFold
?
我认为您应该问“何时使用StratifiedKFold而不是KFold? ”。
您需要先了解“ KFold ”和“ Stratified ”是什么。
KFold是一个交叉验证器,可将数据集分为k个折叠。
分层是为了确保每个数据集具有给定标签的观察结果比例相同。
因此,这意味着StratifiedKFold是KFold的改进版本
因此,此问题的答案是,在处理具有不平衡类分布的分类任务时,我们应首选StratifiedKFold而不是KFold。
例如
假设有一个包含16个数据点和不平衡类分布的数据集。在数据集中,有12个数据点属于A类,其余(即4个)属于B类。B类与A类的比率为1/3。如果我们使用StratifiedKFold并设置k = 4,则训练集将包括A类的3个数据点和B类的9个数据点,而测试集将包括A类的3个数据点和B类的1个数据点。
如我们所见,数据集的类分布由StratifiedKFold保存在拆分中,而KFold没有考虑到这一点。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句