3-9日学习笔记

1.关于K折交叉验证

 https://scikit-learn.org/stable/modules/cross_validation.html#k-fold 这里有好多好多种啊，我看了也根本记不住，所以只选择最简单的第一个来学习

2折交叉验证：

import numpy as np
from sklearn.model_selection import KFold
X = ["a", "b", "c", "d",'e','f','g']#当有7个元素时
kf = KFold(n_splits=2)
for train, test in kf.split(X):
    print("%s %s" % (train, test))

分的结果是这样:

[4 5 6] [0 1 2 3]
[0 1 2 3] [4 5 6]

#有4个元素：
[2 3] [0 1]
[0 1] [2 3]

#8个元素
[4 5 6 7] [0 1 2 3]
[0 1 2 3] [4 5 6 7]

从上面的图片中就很好理解，如果是4折交叉验证的话，那么就是其中有一折，分别做测试和训练集。

但是有疑问的是，如果是在DL代码中，就需要每个epoch建立不同的Dataloader吗？因为需要对fullDataset做分割来形成Train和Test了。

import numpy as np
from sklearn.model_selection import KFold
X = np.array([[0., 0.], [1., 1.], [-1., -1.], [2., 2.]])
y = np.array([0, 1, 0, 1])
kf=KFold(n_splits=2)
for train,test in kf.split(X):
    X_train, X_test, y_train, y_test = X[train], X[test], y[train], y[test]
    print(X_train, X_test, y_train, y_test)

#下面又说到，它是直接根据下标就可以获取到训练和测试集，因为split的结果就是index

输出：

[[-1. -1.]
 [ 2.  2.]] [[0. 0.]
 [1. 1.]] [0 1] [0 1]
[[0. 0.]
 [1. 1.]] [[-1. -1.]
 [ 2.  2.]] [0 1] [0 1]