Skip to main content
 首页 » 编程设计

python之在 scikit learn 中自定义交叉验证

2025年05月04日12powertoolsteam

我有一组针对每个玩家回放的特征,以及不同时间片的目标值。我正在通过 Scikit-learn 进行分类。为了进行交叉验证,我应该设置一个约束条件,如果重放的样本在训练集中,那么测试集中应该没有来自该重放的其他样本。我应该定义一个函数来拆分数据,还是可以在 Scikit-learn 中自定义 craoss 验证函数?

编辑 1

假设我的数据矩阵如下:replayID、时间片和这一行的特征。我还有一个包含类标签的数组。

             replayID Time_slice Features 
data=array([[ 100,     0.,     1.5,...], 
           [ 100,      1.,       3.7,...], 
           [ 100,      0.,       1.2,...], 
           [ 100,      1.,       1.8,...], 
           [ 100,      2.,       2.9,...], 
           [ 101,      0.,       1.5,...], 
           [ 101,      1.,       3.7,...], 
           [ 101,      0.,       1.2,...], 
           [ 101,      1.,       1.8,...], 
           [ 101,      2.,       2.9,...]]) 

我要求如果replayID = 100的样本在训练数据中,那么测试数据中没有其他replayID = 100的样本。而且训练数据应该是数据的80%,测试数据应该是20%。

X = data[:, 1:] 
y = targets 
labels = data[:, 0] 
cv = LabelKFold(labels, n_folds=10) 
est = GradientBoostingClassifier(**params) 
for train, test in cv: 
     X_train = X[train] 
     y_train = y[train] 
     X_test = X[test] 
     est.fit(X_train, y_train) 

请您参考如下方法:

sklearn.cross_validation 的当代版本已经包含了您所要求的版本 - 那些包含单词 Label 的版本。例如,