Come personalizzare l'iteratore di convalida incrociata sklearn per indici?

Question

Simile a Custom cross validation split sklearn Voglio definire le mie divisioni per GridSearchCV per le quali ho bisogno di personalizzare l'iteratore di convalida incrociata incorporato.

Voglio passare il mio set di indici di test del treno per la convalida incrociata a GridSearch invece di consentire all'iterizzatore di determinarli per me. Ho passato gli iteratori di cv disponibili sulla pagina di documentazione di sklearn ma non sono riuscito a trovarlo.

Per esempio Voglio realizzare qualcosa di simile dati dispone di 9 campioni Per 2 volte cv Creo il mio proprio insieme di indici di formazione-testing

>>> train_indices = [[1,3,5,7,9],[2,4,6,8]] 
>>> test_indices = [[2,4,6,8],[1,3,5,7,9]] 
       1st fold^ 2nd fold^ 
>>> custom_cv = sklearn.cross_validation.customcv(train_indices,test_indices) 
>>> clf = GridSearchCV(X,y,params,cv=custom_cv) 

Che cosa può essere utilizzato per lavorare come customcv?

Answer 1

In realtà, gli iteratori di convalida incrociata sono proprio questo: Iterator. Restituiscono una tupla di treno/test di piega ad ogni iterazione. Questo dovrebbe quindi lavorare per voi:

custom_cv = zip(train_indices, test_indices) 

Inoltre, per il caso specifico che si sta di nota, si può fare

import numpy as np 
labels = np.arange(0, 10) % 2 
from sklearn.cross_validation import LeaveOneLabelOut 
cv = LeaveOneLabelOut(labels) 

osservare che list(cv) rendimenti

[(array([1, 3, 5, 7, 9]), array([0, 2, 4, 6, 8])), 
(array([0, 2, 4, 6, 8]), array([1, 3, 5, 7, 9]))]