python - GridSearchCV中如何进行stratifiedShuffleSplit？

Question

对于我的代码，我可以在 GridSearchCV 中运行 StraitifiedShuffleSplit 而不必先将其实例化为“ss”吗？

ss = StratifiedShuffleSplit(n_splits=3, test_size=0.5, random_state=0)

grid_search = GridSearchCV(clf_us, param_grid = {parameter: num_range},cv=ss)

Answer 1

如果您正在构建分类器并且只关心在每个折叠中保持与完整数据集中相同的标签平衡，则可以通过在 GridSearchCV 中指定折叠数来避免实例化 StratifiedShuffleSplit，例如变异系数=5。

根据文档:“对于整数/无输入，如果估计器是分类器并且 y 是二元或多类，则使用 StratifiedKFold。在所有其他情况下，都使用 KFold。” http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html

但是，如果您想更好地控制数据拆分，则无法避免实例化 StratifiedShuffleSplit。请查看此页面中的示例以了解 test_size 参数如何影响拆分:http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.ShuffleSplit.html#sklearn.model_selection.ShuffleSplit .