교차 유효성 검사 (및 gridsearchCV)가 데이터 집합의 행을 임의 화하지 못하도록하는 옵션이 있습니까?

Question

누군가가 내 데이터 집합의 레코드를 무작위 화하기 위해 scikitlearn의 표 검색 기능 gridsearchCV을 방지 할 수 있는지 알고 있습니까?

나는 같은 현상에 해당하는 행 그룹을 가지고 있으며 전체 행 대신 현상 ID를 무작위로 지정하려고합니다. SQL을 사용하여 이미 현상을 무작위로 추출한 결과, gridsearchCV은 열차 및 테스트 세트에서 데이터 세트를 분리하기 전에 다시 임의 화하지 않기를 바란다. 내 데이터 세트의

예 : 나는 훈련과 테스트 데이터 집합 사이의 아이디에 분할을 좋아하지 않을

id time feature1 feature2 feature3 feature4 
A 1 b c s a 
A 2 b a s t 
A 3 q w o j 
B 1 l o j f 
B 2 9 k l h 
C 1 o k h u 
C 2 o k h i 
C 3 p j g d 
D 1 l l d s 
D 2 ... 
D 3 ... 
D 4 ... 
D 5 ... 

.

나를 도와 줄 수있는 옵션이 있습니까?

도움 주셔서 감사합니다.

Answer 1

GridSearchCV에는 교차 유효성 검사 개체를 사용하는 매개 변수 인 cv이 있습니다. 이 배열은 인덱스 배열 train_index, test_index 쌍을 생성하는 반복 가능해야합니다. 다음과 같이 표준 KFold는 동작 :

>>> from sklearn.cross_validation import KFold 
>>> threefold = KFold(n=10, n_folds=3) 
>>> for train, test in threefold: 
... print("train: %r" % train) 
... print("test: %r" % test) 
...  
train: array([4, 5, 6, 7, 8, 9]) 
test: array([0, 1, 2, 3]) 
train: array([0, 1, 2, 3, 7, 8, 9]) 
test: array([4, 5, 6]) 
train: array([0, 1, 2, 3, 4, 5, 6]) 
test: array([7, 8, 9]) 

그래서 당신은 당신이 make_a_boolean_mask_for_the_training_set 자신의 논리를 입력해야 볼 수있는 곳 클래스를

class CustomCV(object): 
    def __init__(self, ids, n_folds): 
     """Pass an array of phenomenon ids""" 
     self.ids = ids 
     self.n_folds = n_folds 

    def __iter__(self): 
     for i in range(self.n_folds): 
      train = make_a_boolean_mask_for_the_training_set() 
      test = np.logical_not(train) 
      yield np.where(train)[0], np.where(test)[0] 

을 구현하여, 어떻게 든 해내해야합니다. 도움이된다면 variant for sequence data 온라인 상태입니다.

GridSearchCV 매개 변수 iid을 False으로 설정해야합니다. 그렇지 않으면 결과가 비뚤어집니다.

Answer 2

한 번에 더 많은 단계를 수행하는 구성은 어렵습니다. 여기서는 가능하지 않습니다. 어쩌면 특수한 방법 인 gridSearchCV가 다른 방식으로 뭔가를하고 싶을 때 적합하지 않을 수 있습니다. 그래서 저는 여러분이이 단계들을 나누어서 제안하는 것은 너무 복잡하지 않습니다.

1. 십자가 유효성 확인을위한 데이터를 원하는대로 분할합니다. 아마도 sklearn.cross_validation 메소드 중 하나를 사용하십시오.
2. 그리드 검색을 수행하십시오. 아마도 sklearn.gridsearch.ParamaterGrid를 사용하십시오.