python - 任何人都知道这行代码“for fold, (trn_, val_) in enumerate(kf.split(X=df))”的解释是什么

Question

#训练数据位于名为 train.csv 的 CSV 文件中 df = pd.read_csv(“train.csv”)

#we create a new column called kfold and fill it with -1
df[“kfold”]=-1

#the next step is to randomize the rows of the data
df = df.sample(frac=1).reset_index(drop=True)

#initiate the kfold class from model_selection module
kf = model_selection.KFold(n_splits=5)

#fill the new kfold column
for fold, (trn_, val_) in enumerate(kf.split(X=df)):
    df.loc[val_, ‘kfold’] = fold

标签： pythonfor-loopsklearn-pandas

Answer 1

对于给定的代码，kf. split (X=df) 方法将“df”数据帧作为输入，并将 df 数据帧的索引拆分为训练集和测试集。split() 方法以元组 (trn_, val_) 的形式返回一个索引列表，一个用于训练集，另一个用于测试集。此外，split() 方法封装在enumerate () 方法中，该方法充当 split() 可迭代对象的计数器并返回枚举对象。由于 split() 方法将返回 5 次折叠，因此枚举索引的范围为 0-4，表示第 i 次折叠。因此，'enumerate(kf.split(X=df))' 语句返回 'fold, (trn_, val_)'。

对于从 split() 方法返回的每个枚举对象，其中包含一个计数器索引 (fold) 以及一个训练和测试索引 (trn_, val_) 的元组，索引 (fold) 被分配为“kfold”列的值，其中行位于“val_”索引列表中。

这意味着“kfold”列的值是相应行/样本被指定为验证样本的第 i 个折叠。例如，如果 df.loc[0, 'kfold'] = 2，则表示当 fold=2 时，df 数据帧的第 0 行样本被分配为验证集的一部分。