模型交叉验证概念及代码总结_交叉验证代码

模型交叉验证概念及代码总结

---

---

---

几种常见交叉验证概念总结

交叉验证（Cross Validation）是验证分类器性能的一种统计分析方法，其基本思想是在某种意义下将原始数据进行分组，一部分作为训练集，另一部分作为验证集。首先用训练集对分类器进行训练，再利用验证集来测试训练得到的模型，以此来作为评价分类器的性能指标。通常的交叉验证方法包括简单交叉验证、K 折交叉验证、留一法交叉验证和留 P 法交叉验证。

1. 简单交叉验证概念

• 简单交叉验证（Cross Validation））是将原始数据随机分为两组，一组作为训练集，另一组作为验证集，利用训练集训练分类器，然后利用验证集验证模型，将最后的分类准确率作为此分类器的性能指标，通常划分30%的数据作为验证数据集。
• 调用方法：

from sklearn.model_selection import train_test_split

train_data, test_data, train_target, test_target = train_test_split(iris.data, iris.target, test_size=0.4, random_state=0)  # random_stage 为随机种子
1
2
3

2. K 折交叉验证概念

• K 折交叉验证（K-Fold Cross Validation），是将原始数据分成 K 组（一般是均分），然后将每个子集数据分别做一次验证集，其余的 K-1 组子集数据作为训练集，这样就会得到 K 个模型，将 K 个模型最终的验证集的分类准确率取平均值，作为 K 折交叉验证分类器的性能指标。通常设置 K 大于或等于3。
• 调用方法：

from sklearn.model_selection import KFold

kf = KFold(n_splits=5)  # 5 折交叉验证实例化
1
2
3

3. 留一法交叉验证概念

• 留一法交叉验证（Leave-One-Out Cross Validation，LOO-CV），是指每个训练集由除一个样本之外的其余样本组成，留下的一个样本组成验证集。这样，对于 N 个样本的数据集，可以组成 N 个不同的训练集和 N 个不同的验证集，因此 LOO-CV 会得到 N 个模型，用 N 个模型最终的验证集的分类准确率的平均数作为分类器的性能指标。
• 调用方法：

from sklearn.model_selection import LeaveOneOut

loo = LeaveOneOut()
1
2
3

4. 留 P 法交叉验证概念

• 留 P 法交叉验证（Leave-P-Out Cross Validation，LPO-CV），与留一法交叉验证类似，是从完整的数据集中删除 p 个样本，产生所有可能的训练集，对于 N 个样本，能产生 (N, p) 个训练-验证对。
• 调用方法：

from sklearn.model_selection import LeavePOut

lpo = LeavePOut(p=5)
1
2
3

几种常见交叉验证在 sklearn 中的调用方法示例代码

1. 简单交叉验证代码

• 使用简单交叉验证方法对模型进行交叉验证并切分数据，其中训练数据为80%，验证数据为20%，代码如下简单交叉验证（1折交叉验证）用到了 train_test_split() 函数：

## 简单交叉验证
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import train_test_split  # 导入切分数据包
# 切分数据，训练数据为80%，验证数据为20%
train_data, test_data, train_target, test_target = train_test_split(train, target, target_size=0.8, random_state=0)

# 定义分回归器，拟合预测数据
clf = SGDRegressor(max_iter=1000, tol=1e-3)
clf.fit(train_data, train_target)

score_train = mean_squared_error(train_target, clf.predict(train_data))
score_test = mean_squared_error(test_target, clf.predict(test_data))

print("SGDRegressor train MSE: ", score_train)
print("SGDRegressor test MSE: ", score_test, "\n")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

2. K 折交叉验证代码

• 使用 K 折交叉验证方法对模型进行交叉验证，K=5，代码如下：

## 5折交叉验证
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import KFold

kf = KFold(n_splits=5)
for k, (train_index, test_index) in enumerate(kf.split(train)):
	train_data, test_data, train_target, test_target = (
		train.values[train_index], 
		train.values[test_index],
		target[train_index],
		target[test_index])

	clf = SGDRegressor(max_iter=1000, tol=1e-3)
	clf.fit(train_data, train_target)

	score_train = mean_squared_error(train_target, clf.predict(train_data))
	score_test = mean_squared_error(test_target, clf.predict(test_data))

	print(k, "折", "SGDRegressor train MSE: ", score_train
	print(k, "折", "SGDRegressor test MSE: ", score_test, '\n')
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

3. 留一法交叉验证代码

• 使用留一法交叉验证对模型进行交叉验证，代码如下：

from sklearn.metrics import mean_squared_error
from sklearn.model_selection import LeaveOneOut

loo = LeaveOneOut()
# num = 100

for k, (train_index, test_index) in enumerate(loo.split(train)):
	train_data, test_data, train_target, test_target = train.values[train_index], train.values[test_index], target[train_index], target[test_index]
	
	clf = SGDRegressor(max_iter=1000, tol=1e-3)
	clf.fit(train_data, train_target)
	
	score_train = mean_squared_error(train_target, clf.predict(train_data))
	score_test = mean_squared_error(test_target, clf.predict(test_data))

	print(k, "个", "SGDRegressor train MSE: ", score_train)
	print(k, "个", "SGDRegressor test MSE: ", score_test)

	if k >= 9:
		break
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

4. 留 P 法交叉验证代码

• 使用留 P 法交叉验证对模型进行交叉验证，代码如下：

from sklearn.metrics import mean_squared_error
from sklearn.model_selection import LeavePOut

lpo = LeavePOut(p=10)
num = 100

for k, (train_index, test_index) in enumerate(lpo.split(train)):
	train_data, test_data, train_target, test_target = train.values[train_index], train.values[test_index], target[train_index], target[test_index]

	clf = SGDRegressor(max_iter=1000, tol=1e-3)
	clf.fit(train_data, train_target)

	score_train = mean_squared_error(train_target, clf.predict(train_data))
	score_test = mean_squared_error(test_target, clf.predict(test_data))

	print(k, "10个", "SGDRegressor train MSE: ", score_train)
	print(k, "10个", "SGDRegressor test MSE: ", score_test, "\n")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17