Python 之 sklearn 交叉验证 数据拆分

本文K折验证拟采用的是 Python 中 sklearn 包中的 StratifiedKFold 方法。

方法思想详见： http://scikit-learn.org/stable/modules/cross_validation.html

StratifiedKFold  is a variation of  k-fold  which returns  stratified  folds: each set contains approximately the same percentage of samples of each target class as the complete set.

【译】

StratifiedKFold  是一种将数据集中每一类样本的 数据 成分，按均等方式拆分的方法。

其它划分方法 详见：http://scikit-learn.org/stable/modules/cross_validation.html

闲言少叙，直接上代码。

【屌丝源码】

import numpy
import h5py
import sklearn
from sklearn import cluster,cross_validation
from sklearn.cluster import AgglomerativeClustering
from sklearn.cross_validation import StratifiedKFold

## 生成一个随机矩阵并保存
#arr = numpy.random.random([200,400])
#labvec = []
#for i in numpy.arange(0,200):
#    j = i%10
#    arr[i,j*20:j*20+20] = arr[i,j*20:j*20+20]+10
#    labvec.append(j)
#arr = arr.T
#file = h5py.File('arr.mat','w')    
#file.create_dataset('arr', data = arr)
#file.close()
#file = h5py.File('labvec.mat','w')    
#file.create_dataset('labvec', data = labvec)
#file.close()
# 读方式打开文件
myfile=h5py.File('arr.mat','r')
arr = myfile['arr'][:]
myfile.close()
arr = arr.T
myfile=h5py.File('labvec.mat','r')
labvec = myfile['labvec'][:]
myfile.close()
skf = StratifiedKFold(labvec, 4)
train_set = []
test_set = []
for train, test in skf:
    train_set.append(train)
    test_set.append(test)

原文：http://blog.csdn.net/u013630349/article/details/47133283