因此,我需要使用預定義的組生成測試/訓練/驗證拆分。我不想使用 LeavePGroupsOut,因為我需要根據所需的百分比將數據分成訓練和驗證集。在 GroupShuffleSplit 的文檔中,對于test_size參數,是這樣說的:test_size : float, int, None, optional 如果是float,應該在0.0到1.0之間,代表數據集在測試分割中的比例。如果是 int,則表示測試樣本的絕對數量。如果為 None,則該值設置為列車大小的補碼。默認情況下,該值設置為 0.2。默認值將在 0.21 版中更改。僅當未指定 train_size 時,它將保持 0.2,否則它將補充指定的 train_size。然而,事實并非如此,如以下代碼所示:tr, ts = next(GroupShuffleSplit(n_splits=1, test_size=3).split(TR_set, groups=tr_groups))print(tr)print(ts)例如打印出來:[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 91 92 93 99 101 102 103 104 105 106 107][ 26 27 89 90 94 95 96 97 98 100]正如您在上面看到的,測試大小不是 3,而是大于 3。這幾乎總是如此。我檢查了指數組。顯然,如果 test_size 是一個整數,它表示測試組的絕對數量,而不是 samples。我認為文檔具有誤導性。此外,當 test_size 是浮點數時,它主要不考慮指定的比率。這可能是由于組中的樣本大小不相等,但必須有一個注釋/警告來指定在不相等的組大小與 test_size 比率相結合的情況下它遵循什么樣的行為。tr, ts = next(GroupShuffleSplit(n_splits=1, test_size=0.1).split(TR_set, groups=tr_groups))print(len(tr))print(len(ts))這使:7038其中測試大小是整個集合的 35%(它應該是 10%)。所以,要么我遺漏了什么,要么文檔只是錯誤的描述。
2 回答

梵蒂岡之花
TA貢獻1900條經驗 獲得超5個贊
我在 GroupShuffleSplit 文檔中找到了這個:
注意:參數 test_size 和 train_size 指的是組,而不是像 ShuffleSplit 中的樣本。
因此, test_size 預計是組數,這也是您在結果中發現的。
添加回答
舉報
0/150
提交
取消