强制sklearn交叉val分数使用分层k折？答案

【问题标题】：Forcing sklearn cross val score to use stratified k fold?强制sklearn交叉val分数使用分层k折？
【发布时间】：2020-03-19 00:34:56
【问题描述】：

基于Sklearn Docs:

是否可以强制使用StratifiedKFold？
我怎么知道哪个KFold被使用了？

【问题讨论】：

标签： python scikit-learn k-fold

【解决方案1】：

使用这个：

 cross_val_score(estimator, X, y, cv=YOURCHOICE)

例子：

from sklearn import datasets, linear_model
from sklearn.model_selection import cross_val_score
diabetes = datasets.load_diabetes()
from sklearn.model_selection import StratifiedKFold

X = diabetes.data[:150]
y = diabetes.target[:150]
lasso = linear_model.Lasso()

skf = StratifiedKFold(n_splits=2)
results = cross_val_score(lasso, X, y, cv=skf)

【讨论】：

你如何检查它是否是我想要的方法
你不能明确地检查这一点，但它是由内部源代码保证的

【解决方案2】：

在sklearn documentation 中写道：

"对于int/None 输入，如果估计器是分类器并且y 是二进制或多类，StratifiedKFold 被使用。在所有其他情况下，KFold 是用过。”...

如果您的模型是分类器，则只需使用整数来使用StratifiedKFold。

【讨论】：

虽然此链接可能会回答问题，但最好在此处包含答案的基本部分并提供链接以供参考。如果链接页面发生更改，仅链接答案可能会失效。 - From Review