这一部分主要讲解关于什么是K-foldCV（K折交叉验证），简单的使用一些案例进行分析，然后使用sklearn库函数中一些简单的案例进行分析。

在机器学习中，多数最主要的功能函数被封装到sklearn的库函数中，model_selection类中包含了K-foldCV的简单使用，可以直接使用这个进行调用。

一.关于K-Fold的简单介绍

　　交叉验证就是将得到的数据集样本进行不同程度的切分，从而组合得到不同的训练集和测试集，使用训练集来训练模型，用测试集来评估模型预测的好坏。

　　交叉验证通过重复使用数据，更进一步验证数据的准确性，一般数据量不大的时候会被用来使用，防止过拟合。

　　使用交叉验证进行多次切分，可得到多组不同的训练集和测试集，训练集中的某样本在下次可能成为测试集中的样本，即所谓“交叉”。

  目前交叉验证主要是一下几种：

　　1.K-Fold Cross Valadation

　　K折交叉验证会把样本数据随机的分成K份（一般是均分），每次随机的选择K-1份作为训练集，剩下的1份做测试集。当这一轮完成后，重新随机选择K-1份来训练数据。若干轮（小于K）之后，选择损失函数评估最优的模型和参数。

　　将每个子集数据分别做一次测试集，其余的K-1组子集数据作为训练集，所以一般分成K份就这样会得到K组模型，用这K个模型最终的测试集的分类准确率的平均数作为此K-CV下分类器的性能指标。

　　优点是可以降低由一次随机划分带来的偶然性，提高其泛化能力。但K折还有个问题就是因为是随机划分，很有可能划分的过程中刚好把类别都划分开了，比如第一折训练集里全是0标签，第二折测试集里全是1标签，这样对模型训练就不太好，在其中的某个模型学习的时候就没有学习到测试集的分类特征。在KFold中就是这样的，对于不平衡数据集，特别是一些比赛数据正类非常少，那么直接用KFold就可能出现这种问题。

　　2.StratifiedKFold

　　对非平衡数据可以用分层采样StratifiedKFold，就是在每一份子集中都保持和原始数据集相同的类别比例。若数据集有4个类别，比例是2:3:3:2，则划分后的样本比例约是2:3:3:2，StratifiedShuffleSplit() 划分中每个类的比例和完整数据集中的相同,若数据集有4个类别，比例是2:3:3:2，则划分后的样本比例也是2:3:3:2

二.代码示例

from sklearn.model_selection import KFold
from sklearn.model_selection import StratifiedKFold

kfolder = KFold(n_splits=4,random_state=1)
for train, test in kfolder.split(X,y):
    print('Train: %s | test: %s' % (train, test),'\n')
>>>
Train: [2 3 4 5 6 7] | test: [0 1]
Train: [0 1 4 5 6 7] | test: [2 3]
Train: [0 1 2 3 6 7] | test: [4 5]
Train: [0 1 2 3 4 5] | test: [6 7]

folder = StratifiedKFold(n_splits=4,random_state=0)
for train, test in sfolder.split(X,y):
    print('Train: %s | test: %s' % (train, test))
>>>
Train: [1 3 4 5 6 7] | test: [0 2]
Train: [0 2 4 5 6 7] | test: [1 3]
Train: [0 1 2 3 5 7] | test: [4 6]
Train: [0 1 2 3 4 6] | test: [5 7]

今天的文章sklearn.model_selection.kfold_sklearn怎么读分享到此就结束了，感谢您的阅读，如果确实帮到您，您可以动动手指转发给其他人。