Python 在Scikit学习分类器上使用交叉验证

我有一个工作分类器，数据集分为一个序列集（70%）和一个测试集（30%）

然而，我也想实现一个验证集（这样：70%的训练、20%的验证和10%的测试）。这些集合应该是随机选择的，结果应该是10个不同作业的平均值

有什么办法吗？以下是我仅使用列车和测试集的实现：

def classifier(samples):
    # load the datasets
    dataset = samples

    data_train, data_test, target_train, target_test = train_test_split(dataset["data"], dataset["target"], test_size=0.30, random_state=42)

    # fit a k-nearest neighbor model to the data
    model = KNeighborsClassifier()
    model.fit(data_train, target_train)
    print(model)

    # make predictions
    expected = target_test
    predicted = model.predict(data_test)

    # summarize the fit of the model
    print(metrics.classification_report(expected, predicted))
    print(metrics.confusion_matrix(expected, predicted))

对于k-fold交叉验证（注意，这与kNN分类器的k不同），将训练设置划分为k个部分。让我们以5为起点。您将在培训数据上创建5个模型，每个模型针对一部分进行测试。这意味着您的模型将针对培训集中的每个数据点进行培训和测试。维基百科比我在这里给出的描述要详细得多

然后可以根据测试集进行测试，根据需要进行调整，最后根据验证集进行检查

---

Scikit Learn对此有详细的文档记录。

对于您所描述的内容，您只需要在其结果上使用以下分割

在那里调整教程，从以下内容开始：

import numpy as np
from sklearn import cross_validation
from sklearn import datasets
from sklearn import svm

iris = datasets.load_iris()
iris.data.shape, iris.target.shape
((150, 4), (150,))

然后，如图所示，进行初始列车/测试分区：

X_train, X_test, y_train, y_test = cross_validation.train_test_split(iris.data, iris.target, test_size=0.1, random_state=0)

现在，您只需将列车数据的0.9分为另外两部分：

X_train_cv_train, X_test_cv_train, y_train_cv_train, y_test_cv_train = \
cross_validation.train_test_split(X_train, y_train, test_size=0.2/0.9)

如果您想要10个随机训练/测试cv集，请将最后一行重复10次（这将为您提供重叠的集合）

或者，您可以将最后一行替换为10倍验证（请参阅）

重点是从初始列车/测试分区的列车部分构建CV集