使用 shuffle=True 的 "normal" k 折交叉验证和重复的 k 折交叉验证有什么区别？

Question

谁能解释一下使用随机播放函数的“正常”k 折交叉验证之间的区别，例如

kf = KFold(n_splits = 5, shuffle = True)

和重复的 k 折交叉验证？他们不应该 return 相同的结果吗？

很难理解其中的区别。

如有任何提示，我们将不胜感激。

Answer 1

顾名思义，RepeatedKFold is a repeated KFold。它执行 n_repeats 次。当n_repeats=1时，前者与shuffle=True时的表现完全相同。它们不return相同的拆分，因为默认情况下random_state=None，也就是你没有指定它。因此，他们使用不同的种子来（伪）随机打乱数据。

当他们有相同的 random_state 并且重复一次时，那么他们都领先相同的分裂。要更深入地了解，请尝试以下操作：

import pandas as pd
from sklearn.model_selection import KFold, RepeatedKFold
                     
data = pd.DataFrame([['red', 'strawberry'], # color, fruit
                  ['red', 'strawberry'], 
                  ['red', 'strawberry'],
                  ['red', 'strawberry'],
                  ['red', 'strawberry'],
                  ['yellow', 'banana'],
                  ['yellow', 'banana'],
                  ['yellow', 'banana'],
                  ['yellow', 'banana'],
                  ['yellow', 'banana']])

X = data[0]

# KFold
for train_index, test_index in KFold(n_splits=2, shuffle=True, random_state=1).split(X):
    print("TRAIN:", train_index, "TEST:", test_index)

# RepeatedKFold
for train_index, test_index in RepeatedKFold(n_splits=2, n_repeats=1, random_state=1).split(X):
    print("TRAIN:", train_index, "TEST:", test_index)

您应该获得以下内容：

TRAIN: [1 3 5 7 8] TEST: [0 2 4 6 9]
TRAIN: [0 2 4 6 9] TEST: [1 3 5 7 8]

TRAIN: [1 3 5 7 8] TEST: [0 2 4 6 9]
TRAIN: [0 2 4 6 9] TEST: [1 3 5 7 8]

使用 shuffle=True 的 "normal" k 折交叉验证和重复的 k 折交叉验证有什么区别？

What is the difference between a "normal" k-fold cross-validation using shuffle=True and a repeated k-fold cross-validation?

python

shuffle

scikit-learn

cross-validation

k-fold