Numpy实现机器学习交叉验证的数据划分

Numpy实现K折交叉验证的数据划分

本实例使用Numpy的数组切片语法，实现了K折交叉验证的数据划分

背景：K折交叉验证

为什么需要这个？
在机器学习中，因为如下原因，使用K折交叉验证能更好评估模型效果：

1. 样本量不充足，划分了训练集和测试集后，训练数据更少；
2. 训练集和测试集的不同划分，可能会导致不同的模型性能结果；

K折验证是什么
K折验证（K-fold validtion）将数据划分为大小相同的K个分区。
对每个分区i，在剩余的K-1个分区上训练模型，然后在分区i上评估模型。
最终分数等于K个分数的平均值，使用平均值来消除训练集和测试集的划分影响；

1. 模拟构造样本集合

用样本的角度解释下data数组：

• 这是一个二维矩阵，行代表每个样本，列代表每个特征
• 这里有9个样本，每个样本有4个特征

这是scikit-learn模型训练输入的标准格式

2. 使用Numpy实现K次划分

for fold in range(k):
    validation_begin = k_samples_count*fold
    validation_end = k_samples_count*(fold+1)

    validation_data = data[validation_begin:validation_end]

    # np.vstack，沿着垂直的方向堆叠数组
    train_data = np.vstack([
        data[:validation_begin],
        data[validation_end:]
    ])

    print()
    print(f"#####第{fold}折#####")
    print("验证集：\n", validation_data)
    print("训练集：\n", train_data)

结果：
#####第0折#####
验证集：
 [[0 1 2 3]
 [4 5 6 7]]
训练集：
 [[ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]
 [24 25 26 27]
 [28 29 30 31]
 [32 33 34 35]]

#####第1折#####
验证集：
 [[ 8  9 10 11]
 [12 13 14 15]]
训练集：
 [[ 0  1  2  3]
 [ 4  5  6  7]
 [16 17 18 19]
 [20 21 22 23]
 [24 25 26 27]
 [28 29 30 31]
 [32 33 34 35]]

#####第2折#####
验证集：
 [[16 17 18 19]
 [20 21 22 23]]
训练集：
 [[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [24 25 26 27]
 [28 29 30 31]
 [32 33 34 35]]

#####第3折#####
验证集：
 [[24 25 26 27]
 [28 29 30 31]]
训练集：
 [[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]
 [32 33 34 35]]

---

如果使用scikit-learn，已经有封装好的实现：
from sklearn.model_selection import cross_val_score