LeavePOut

classsklearn.model_selection.LeavePOut(p)[source]

Перекрёстная валидация, оставляющая P элементов для тестирования.

Предоставляет индексы для разделения данных на обучающую и тестовую выборки. В результате тестирование выполняется на всех различных наборах по p элементам, в то время как оставшиеся n - p элементов образуют обучающую выборку на каждой итерации.

Примечание: LeavePOut(p) не эквивалентно KFold(n_splits=n_samples // p), которое создаёт неперекрывающиеся тестовые наборы.

Из-за большого количества итераций, которое растёт комбинированно с количеством образцов, этот метод перекрёстной валидации может быть очень затратным. Для больших наборов данных следует отдавать предпочтение KFold, StratifiedKFold или ShuffleSplit.

Подробнее см. в Руководстве пользователя.

Параметры:

pint

Размер тестовых наборов. Должно быть строго меньше количества образцов.

Примеры

>>> import numpy as np
>>> from sklearn.model_selection import LeavePOut
>>> X = np.array([[1, 2], [3, 4], [5, 6], [7, 8]])
>>> y = np.array([1, 2, 3, 4])
>>> lpo = LeavePOut(2)
>>> lpo.get_n_splits(X)
6
>>> print(lpo)
LeavePOut(p=2)
>>> for i, (train_index, test_index) in enumerate(lpo.split(X)):
...     print(f"Fold {i}:")
...     print(f"  Train: index={train_index}")
...     print(f"  Test:  index={test_index}")
Fold 0:
  Train: index=[2 3]
  Test:  index=[0 1]
Fold 1:
  Train: index=[1 3]
  Test:  index=[0 2]
Fold 2:
  Train: index=[1 2]
  Test:  index=[0 3]
Fold 3:
  Train: index=[0 3]
  Test:  index=[1 2]
Fold 4:
  Train: index=[0 2]
  Test:  index=[1 3]
Fold 5:
  Train: index=[0 1]
  Test:  index=[2 3]

get_metadata_routing()[source]

Получить маршрутизацию метаданных этого объекта.

Пожалуйста, ознакомьтесь с Руководством пользователя по тому, как работает механизм маршрутизации.

Возвращает:

routingMetadataRequest

MetadataRequest, содержащий информацию о маршрутизации.

get_n_splits(X, y=None, groups=None)[source]

Возвращает количество итераций разделения в перекрёстной валидации.

Параметры:

Xarray-like of shape (n_samples, n_features)

Обучающие данные, где n_samples — количество образцов, а n_features — количество признаков.

yobject

Всегда игнорируется, существует для совместимости.

groupsobject

Всегда игнорируется, существует для совместимости.

split(X, y=None, groups=None)[source]

Генерирует индексы для разделения данных на обучающую и тестовую выборки.

Параметры:

Xarray-like of shape (n_samples, n_features)

Обучающие данные, где n_samples — количество образцов, а n_features — количество признаков.

yarray-like of shape (n_samples,)

Целевая переменная для задач обучения с учителем.

groupsobject

Всегда игнорируется, существует для совместимости.

Выходные данные:

trainndarray

Индексы обучающей выборки для данного разделения.

testndarray

Индексы тестовой выборки для данного разделения.