如何使用 scikit-learn 在运行 k 次后访问数据集？

Question

我正在尝试应用 kfold 方法，但我不知道如何访问生成的训练和测试集。在浏览了几个博客和 scikitlearn 用户指南之后，人们唯一要做的就是打印训练和测试集。这可能适用于小型数据框，但对于较大的数据框则无用。谁能帮帮我？

我正在使用的数据：https://github.com/ageron/handson-ml/tree/master/datasets/housing

我目前所在的位置：

X = housing[['total_rooms', 'total_bedrooms']]
y = housing['median_house_value']

kf = KFold(n_splits=5) 

for train_index, test_index in kf.split(X):
    X_train, X_test = X.iloc[train_index], X.iloc[test_index]
    y_train, y_test = y.iloc[train_index], y.iloc[test_index]

但这仅对生成最后一个数据集有用。我应该都能搞定。

提前致谢。

Answer 1

AFAIK，KFold（实际上与交叉验证过程相关的所有内容）旨在提供临时数据集，因此正如您所说，可以即时使用它们进行拟合 &如 .

所示评估模型

然而，由于 Kfold.split() 生成 Python 生成器，您可以使用生成的索引来获得永久子集，尽管需要一些手动工作。这是波士顿数据的示例：

from sklearn.model_selection import KFold
from sklearn.datasets import load_boston

X, y = load_boston(return_X_y=True)
n_splits = 3
kf = KFold(n_splits=n_splits, shuffle=True)

folds = [next(kf.split(X)) for i in range(n_splits)]

现在，对于 range(n_splits) 中的每个 k，folds[k][0] 包含训练指标和 folds[k][1] 相应的验证指标，因此您可以：

X_train_1 = X[folds[0][0]]
X_test_1 = X[folds[0][1]]

等等。请注意，相同的索引也适用于标签 y。

如何使用 scikit-learn 在运行 k 次后访问数据集？

How do I access the datasets after running k-fold with scikit-learn?

python

scikit-learn

k-fold

如何使用 scikit-learn 在 运行 k 次后访问数据集？

How do I access the datasets after running k-fold with scikit-learn?

python

scikit-learn

k-fold

如何使用 scikit-learn 在运行 k 次后访问数据集？