Scikit-learn中Kfold的ROC曲线.适用于分层Kfold，但显示Kfold的错误

Question

我想使用 Kfold 交叉验证绘制 ROC 曲线。但是，scikit-learn页面上给出的代码适用于StratifiedKfold。因此，当我将StratifiedKfold改变Kfold时，它在情节中给了我None结果。可能是什么问题？

示例代码位于ScikitLearn

我Kfold更改了StratifiedKfold，但它不起作用。

Answer 1

在切割折叠之前打乱数据：

cv = KFold(n_splits=6, shuffle=True)

解释：

StratifiedKFold切割折叠，使每个折叠中的类比例与整个数据集中的类比例大致相同。 Kfold 不会这样做，只是按照样本在数据集中出现的顺序从样本中剪切折叠。因此，您可能会也可能不会在所有折叠中获得所有当前类。在这种情况下或Iris数据集中，样本按类排序，这可以从目标y中看到：

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1])

因此，在 6 折拆分的情况下，大多数时候你只能得到一个折叠类，并且整个模型训练中断。洗牌允许 KFold 在每次折叠中拾取两个类，并且一切正常。