sklearn 中的 PredefinedSplit 函数

Question

我正在尝试使用我提供的拆分在sklearn 中运行cross_val_score。 sklearn 文档为 here 提供了以下示例：

>>> from sklearn.model_selection import PredefinedSplit
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 1, 1])
>>> test_fold = [0, 1, -1, 1]
>>> ps = PredefinedSplit(test_fold)
>>> ps.get_n_splits()
2
>>> print(ps)       
PredefinedSplit(test_fold=array([ 0,  1, -1,  1]))
>>> for train_index, test_index in ps.split():
...    print("TRAIN:", train_index, "TEST:", test_index)
...    X_train, X_test = X[train_index], X[test_index]
...    y_train, y_test = y[train_index], y[test_index]
TRAIN: [1 2 3] TEST: [0]
TRAIN: [0 2] TEST: [1 3]

我无法理解这个例子。特别是，

1. 为什么ps.get_n_splits()在这个例子中返回2；和
2. 为什么test_fold 数组会导致代码 sn-p 底部显示的拆分？

另外，我想问一下，在这种情况下，如果我将 ps 对象传递给sklearn 中的cross_val_score 函数，它会不会对这两个拆分进行交叉验证？

Answer 1

拆分的数量是 test_folder exclude (-1) 中的唯一值。

使用这个例子使用 test_fold = [0, 1, -1, 1],

• 零索引为0，表示Test set为0，其余1、2、3为Train set。

---

  --- > TRAIN: [1 2 3] TEST: [0]

-第1个和第3个索引为1，表示Test set为1、3，其余0、2为Training set

---

  ---> TRAIN: [0 2] TEST: [1 3]

• 第二个索引是-1，表示没有训练/测试拆分。
• 注意，整数值本身确实有区别，所以如果 test_folder = [5, 0, -1, 0]，分割是一样的

---

  --- > TRAIN: [1 2 3] TEST: [0]

最后， 对于典型的 k 文件夹拆分，可以使用 test_fold = [0, 1, 2, 3]