使用 shuffle=True 的“正常”k 折交叉验证和重复的 k 折交叉验证有什么区别？答案

【问题标题】：What is the difference between a "normal" k-fold cross-validation using shuffle=True and a repeated k-fold cross-validation?使用 shuffle=True 的“正常”k 折交叉验证和重复的 k 折交叉验证有什么区别？
【发布时间】：2021-04-06 07:55:01
【问题描述】：

谁能解释使用 shuffle 函数的“正常”k-fold 交叉验证之间的区别，例如

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

还有重复的 k 折交叉验证？他们不应该返回相同的结果吗？

很难理解其中的区别。

感谢任何提示。

【问题讨论】：

标签： python scikit-learn cross-validation shuffle k-fold

【解决方案1】：

顾名思义，RepeatedKFold 是重复的KFold。它执行n_repeats 次。当n_repeats=1 时，前者的性能与shuffle=True 时的后者完全相同。它们不会返回相同的拆分，因为默认情况下是 random_state=None，也就是说，您没有指定它。因此，他们使用不同的种子来（伪）随机打乱数据。

当它们具有相同的random_state 并重复一次时，它们都会导致相同的拆分。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]

【讨论】：