sklearn kfold_python sklearn中KFold与StratifiedKFold

在机器学习中经常会用到交叉验证，常用的就是KFold和StratifiedKFold，那么这两个函数有什么区别，应该怎么使用呢？

首先这两个函数都是sklearn模块中的，在应用之前应该导入：

from 

首先说一下两者的区别，StratifiedKFold函数采用分层划分的方法（分层随机抽样思想），验证集中不同类别占比与原始样本的比例保持一致，故StratifiedKFold在做划分的时候需要传入标签特征。

1、KFold函数

KFold函数共有三个参数：

n_splits：默认为3，表示将数据划分为多少份，即k折交叉验证中的k；

shuffle：默认为False，表示是否需要打乱顺序，这个参数在很多的函数中都会涉及，如果设置为True，则会先打乱顺序再做划分，如果为False，会直接按照顺序做划分；

random_state：默认为None，表示随机数的种子，只有当shuffle设置为True的时候才会生效。

import 

输出结果为：

2、StratifiedKFold

StratifiedKFold函数的参数与KFold相同。

import 

总结自己在工作中遇到的Python中常用的函数，记录点滴，逐渐积累，希望能帮到你。