Sklearn。Python 中的 StratifiedShuffleSplit()函数
原文:https://www.geesforgeks.org/sklearn-stratifiedshufflesplit-python 中的函数/
在本文中，我们将从 sklearn 库中了解 StratifiedShuffleSplit 交叉验证器，该库提供训练测试索引以将数据拆分为训练测试集。
什么是 StratifiedShuffleSplit？
StratifiedShuffleSplit 是 ShuffleSplit 和stratifiedfold的组合。使用 StratifiedShuffleSplit 类标签的分布比例在训练和测试数据集之间几乎是均匀的。 StratifiedShuffleSplit 和stratifiedfold(shuffle = True)的主要区别在于在stratifiedfold中，数据集在开始时只被洗牌一次，然后分裂成指定数量的折叠。这就排除了列车测试集重叠的任何机会。 然而，在 StratifiedShuffleSplit 中，每次在分割完成之前，数据都会被打乱，这就是为什么在训练测试集之间重叠的可能性更大的原因。
语法: sklearn.model_selection。StratifiedShuffleSplit(n_splits = 10，* test_size =无，train_size =无，random_state =无)
参数:
n_splits: int，默认值=10
重新洗牌和拆分迭代的次数。
test_size: float 或 int，默认值=None
如果为浮点型，则应介于 0.0 和 1.0 之间，并表示要包含在测试分割中的数据集的比例。
train_size: float 或 int，默认值=None
如果为浮点型，则应介于 0.0 和 1.0 之间，并表示要包含在训练分割中的数据集的比例。
随机_状态: int
控制所产生的训练和测试指标的随机性。
下面是实现。
步骤 1) 导入所需模块。
蟒蛇 3
# import the libraries
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn import preprocessing
from sklearn.metrics import accuracy_score
from sklearn.model_selection import StratifiedShuffleSplit
步骤 2) 加载数据集，识别因变量和自变量。T3】
数据集可以从这里下载。
蟒蛇 3
# convert data set into dataframe
churn_df = pd.read_csv(r"ChurnData.csv")
# assign dependent and independent variables
X = churn_df[['tenure', 'age', 'address', 'income',
'ed', 'employ', 'equip', 'callcard', 'wireless']]
y = churn_df['churn'].astype('int')
步骤 3) 预处理数据。
蟒蛇 3
# data pre-processing
X = preprocessing.StandardScaler().fit(X).transform(X)
第 4 步)创建层的对象类。
蟒蛇 3
# use StratifiedShuffleSplit()
sss = StratifiedShuffleSplit(n_splits=4, test_size=0.5,
random_state=0)
sss.get_n_splits(X, y)
输出:
步骤 5) 调用实例，将数据帧拆分为训练样本和测试样本。 split() 函数返回列车测试样本的指数。使用回归算法，比较每个预测值的准确性。
蟒蛇 3
scores = []
# using regression to get predicted data
rf = RandomForestClassifier(n_estimators=40, max_depth=7)
for train_index, test_index in sss.split(X, y):
X_train, X_test = X[train_index], X[test_index]
y_train, y_test = y[train_index], y[test_index]
rf.fit(X_train, y_train)
pred = rf.predict(X_test)
scores.append(accuracy_score(y_test, pred))
# get accurracy of each prediction
print(scores)
输出:
