在没有 sklearn 的情况下创建 Kfold 交叉验证集

Question

我正在尝试使用训练集和测试集将我的数据拆分为 K 折。我卡在了最后：

我有一个数据集例子：

       [1,2,3,4,5,6,7,8,9,10]

我已成功创建用于 5 折交叉验证的分区，输出为

     fold=[[2, 1], [6, 0], [7, 8], [9, 5], [4, 3]]

现在我想创建 K 个具有 K-1 个训练数据和 1 个验证集的实例。

我正在使用此代码：

    ```
      cross_val={"train":[],"test":[]}
       new_fold=folds.copy()
       for i in range(4):
           val=folds.pop(i)
           cross_val["train"].append(folds)
           cross_val["test"].append(val)

           folds[i:i]=[val]```

我得到的输出是：

  {'train': [[[6, 0], [7, 8], [9, 5], [4, 3]],
           [[6, 0], [7, 8], [9, 5], [4, 3]],
          [[6, 0], [7, 8], [9, 5], [4, 3]],
        [[6, 0], [7, 8], [9, 5], [4, 3]]],
   'test': [[6, 0], [7, 8], [9, 5], [4, 3]]}

这是我得到的错误输出。

但我希望输出为

          train                                   test
          [[6, 0], [7, 8], [9, 5], [4, 3]]      [2,1]
          [[2, 1], [7, 8], [9, 5], [4, 3]]      [6,0]
          [[6, 0], [2, 1], [9, 5], [4, 3]]      [7,8]
          [[6, 0], [7, 8], [9, 5], [2, 1]]       [4,3]
          [[6, 0], [7, 8], [2, 1], [4, 3]]       [9,5]

Answer 1

您每次都在此处对相同列表进行编辑，并将该列表追加多次次。因此，如果您编辑列表，您会在列表的所有元素中看到该编辑。

您可以使用以下方法创建交叉验证：

train = []
test = []
cross_val={'train': train, 'test': test}
for i, testi in enumerate(fold):
    train.append(fold[:i] + fold[i+1:])
    test.append(testi)

对于给定的样本数据，这给了我们：

>>> pprint(cross_val)
{'test': [[2, 1], [6, 0], [7, 8], [9, 5], [4, 3]],
 'train': [[[6, 0], [7, 8], [9, 5], [4, 3]],
           [[2, 1], [7, 8], [9, 5], [4, 3]],
           [[2, 1], [6, 0], [9, 5], [4, 3]],
           [[2, 1], [6, 0], [7, 8], [4, 3]],
           [[2, 1], [6, 0], [7, 8], [9, 5]]]}

在没有 sklearn 的情况下创建 Kfold 交叉验证集

Creating Kfold cross validation set without sklearn

python-3.x

numpy

k-fold