大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
Kfold是sklearn中的k折交叉验证的工具包
from sklearn.model_selection import KFold
入参
sklearn.model_selection.KFold(n_splits=3, shuffle=False, random_state=None)
n_splits：k折交叉验证
shuffle：是否每次生成数据集时进行洗牌
random_state：仅当洗牌时有用，random_state数值相同时，生成的数据集一致。
方法
print(kf.get_n_splits())
获取kf的参数n_splits。get_n_splits()与get_n_splits(X),get_n_splits(y)效果一致。
print(kf.n_splits)
获取kf的参数n_splits。
x =[[1,2],[3,4],[5,6],[7,8],[9,10]]
xx = kf.split(x)
for i in xx:
print(i)
(array([3, 4]), array([0, 1, 2]))
(array([0, 1, 2]), array([3, 4]))
用kf去分割数据集，返回值中时数据集的索引
xx = kf.random_state
print(xx)
获取参数 random_state
xx = kf.shuffle
print(xx)
获取参数 shuffle
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/192857.html原文链接：https://javaforall.net
