LeavePOut

classsklearn.model_selection.LeavePOut(p)[source]

Кросс-валидатор Leave-P-Out.

Предоставляет индексы для разделения данных на обучающую и тестовую выборки. При этом тестирование проводится на всех различных выборках размера p, а оставшиеся n - p образцов в каждой итерации образуют обучающую выборку.

Примечание: LeavePOut(p) НЕ эквивалентен KFold(n_splits=n_samples // p), который создает непересекающиеся тестовые выборки.

Из-за большого числа итераций, которое комбинаторно растет с увеличением количества образцов, этот метод кросс-валидации может быть очень затратным. Для больших наборов данных предпочтительнее использовать KFold, StratifiedKFold или ShuffleSplit.

Подробнее см. в руководстве пользователя.

Параметры:

pint

Размер тестовых выборок. Должен 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 правила маршрутизации метаданных для этого объекта.

О том, как работает механизм маршрутизации, см. в руководстве пользователя.

Возвращает:

routingMetadataRequest

Объект MetadataRequest, содержащий информацию о маршрутизации.

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

Возвращает количество итераций разделения в кросс-валидаторе.

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,), default=None

Всегда игнорируется; параметр существует для совместимости с API.

groupsarray-like of shape (n_samples,), default=None

Всегда игнорируется; параметр существует для совместимости с API.

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

Создает 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,), default=None

Целевая переменная для задач обучения с учителем.

groupsarray-like of shape (n_samples,), default=None

Всегда игнорируется; параметр существует для совместимости с API.

Генерирует:

trainndarray

Индексы обучающей выборки для данного разбиения.

testndarray

Индексы тестовой выборки для данного разбиения.