如何在python中以分层kfold采样给出测试大小？

Question

使用sklearn,我想在样本数据集中有3个分裂(即n_splits = 3),并且训练/测试比率为70:30.我能够将该组分成3个折叠但不能定义测试大小(类似于train_test_split方法).有没有办法在StratifiedKFold中定义测试样本大小？

from sklearn.model_selection import StratifiedKFold as SKF
skf = SKF(n_splits=3)
skf.get_n_splits(X, y)
for train_index, test_index in skf.split(X, y):
# Loops over 3 iterations to have Train test stratified split
     X_train, X_test = X[train_index], X[test_index]
     y_train, y_test = y[train_index], y[test_index]

Answer 1

StratifiedKFold根据定义，它会进行K折拆分。也就是说，返回的迭代器将生成（K-1）集用于训练，而1集用于测试。K由所控制n_splits，因此，它的确创建了的组n_samples/K，并使用的所有组合K-1进行培训/测试。有关更多信息，请参考Wikipedia或google K-fold交叉验证。

简而言之，测试集的大小为1/K（即1/n_splits），因此您可以调整该参数以控制测试大小（例如，对数据n_splits=3大小1/3 = 33%进行测试拆分）。但是，StratifiedKFold将在的K组上进行迭代K-1，并且可能不是您想要的。

话虽如此，您可能对StratifiedShuffleSplit感兴趣，它仅返回可配置的分割数和训练/测试比率。如果您只想要一个分割，则可以调整n_splits=1并保持test_size=0.3（或您想要的任何比率）。