为什么在将StratifiedKFold（）作为GridSearchCV的参数传递时调用split（）函数？

我想做什么？

我试图在

GridSearchCV（）

中使用

StratifiedKFold（）

那么，什么让我困惑呢？

当我们使用K折叠交叉验证时，我们只需传递

GridSearchCV（）

中的CV数，如下所示

grid_search_m = GridSearchCV(rdm_forest_clf, param_grid, cv=5, scoring='f1', return_train_score=True, n_jobs=2)

然后，当我需要使用

StratifiedKFold（）

时，我认为过程应该保持不变。也就是说，只将拆分的数量设置为-

StratifiedKFold（n_splits=5）

到

cv

grid_search_m = GridSearchCV(rdm_forest_clf, param_grid, cv=StratifiedKFold(n_splits=5), scoring='f1', return_train_score=True, n_jobs=2)

但是说

无论使用什么，所需要的只是 按照建议，使用功能拆分提供发电机：

kfolds = StratifiedKFold(5)
clf = GridSearchCV(estimator, parameters, scoring=qwk, cv=kfolds.split(xtrain,ytrain))
clf.fit(xtrain, ytrain)

此外，的一个答案也建议这样做。这意味着，他们建议在使用

GridSearchCV（）时调用split函数：
StratifiedKFold（n\u splits=5）。split（xtrain，ytrain）
。但是，我发现调用
split（）
和不调用
split（）
会给我相同的f1分数

因此，我的问题


我不明白为什么我们需要在分层K折叠过程中调用
split（）
函数
在K折叠CV期间，我们不需要做此类事情

如果调用了
split（）？也就是说，我想知道
GridSearchCV（）
将如何使用这些索引

基本上GridSearchCV很聪明，可以为cv参数选择多个选项—数字、拆分索引的迭代器或具有拆分函数的对象。您可以查看下面复制的代码

cv = 5 if cv is None else cv
if isinstance(cv, numbers.Integral):
    if (classifier and (y is not None) and
            (type_of_target(y) in ('binary', 'multiclass'))):
        return StratifiedKFold(cv)
    else:
        return KFold(cv)

if not hasattr(cv, 'split') or isinstance(cv, str):
    if not isinstance(cv, Iterable) or isinstance(cv, str):
        raise ValueError("Expected cv as an integer, cross-validation "
                         "object (from sklearn.model_selection) "
                         "or an iterable. Got %s." % cv)
    return _CVIterableWrapper(cv)

return cv  # New style cv objects are passed without any modification

基本上，如果你没有通过任何考试，它会使用一个带5的KFold。如果这是一个分类问题，并且目标是二进制/多类，那么它还可以自动使用StratifedKFold

如果你用一个分割函数传递一个对象，它只会使用这个函数。如果你没有传递任何一个，但是传递了一个iterable，它会假设这是一个分裂索引的iterable，并为你包装它

因此，在您的情况下，假设这是一个具有二进制/多类目标的分类问题，下面所有内容将给出完全相同的结果/拆分-无论您使用哪一个

cv=5
cv=StratifiedKFold(5)
cv=StratifiedKFold(5).split(xtrain,ytrain)

谢谢你的回复。你说过“如果你用一个拆分函数传递一个对象，它就会使用它。”但我不明白“GridSearchCV（）将如何使用那些通过拆分找到的索引？”你能描述一下吗？所以对于网格搜索中设置的每个参数，它将使用拆分来运行交叉验证-因此，如果在参数网格（6组）中有2个参数的3个选项，以及5个交叉验证，那么实际上您可以训练和验证30个模型。然后，交叉验证运行中平均验证分数最高的参数集被选为“最佳”