Numpy 多维数组的LeavePGroupsOut
我正在研究一个问题，由于有一个小规模的数据集，我试图实现遗漏式分析 目前我正在做这个特别的工作，我偶然发现了scikit Leave PGroupSout函数 我读了文档，但我不知道如何在多维数组中使用它Numpy 多维数组的LeavePGroupsOut,numpy,multidimensional-array,scikit-learn,k-fold,Numpy,Multidimensional Array,Scikit Learn,K Fold,我正在研究一个问题，由于有一个小规模的数据集，我试图实现遗漏式分析 目前我正在做这个特别的工作，我偶然发现了scikit Leave PGroupSout函数 我读了文档，但我不知道如何在多维数组中使用它 我的数据如下：我有50个主题，每个主题大约有20个条目（不固定），每个条目有20个特征，每个条目都有基本真实值（0或1）。文档实际上非常清楚： 在您的情况下，您需要连接数组s.t。您可以为每个条目提供组索引。因此，您的功能阵列将具有50*20个数据点乘以20个功能（1000,20）的形状，因
我的数据如下：我有50个主题，每个主题大约有20个条目（不固定），每个条目有20个特征，每个条目都有基本真实值（0或1）。文档实际上非常清楚： 在您的情况下，您需要连接数组s.t。您可以为每个条目提供组索引。因此，您的功能阵列将具有50*20个数据点乘以20个功能（1000,20）的形状，因此您的组阵列也需要具有形状（1000，） 然后您需要通过定义交叉验证
lpgo = LeavePGroupsOut(n_groups=n_groups)