需要多标签分层kfold的帮助

Posted 2023-03-12

【中文标题】需要多标签分层kfold的帮助

【英文标题】：need help for stratifiedkfold with multilabels

【发布时间】：2022-01-22 10:25:57

【问题描述】：

我想使用基因组数据预测生存。我的标签（y）存在于两列中，“vital_status”和“time”。第一个是二进制的，第二个是连续的。我想使用 10 折交叉验证，但数据分布需要在每个列中正确fold。我知道我应该为此使用 stratifiedkfold，但是如何转换两列以便我可以使用它？

我在某个可以使用 to_categorical 的地方阅读，但这给了我一个 3d 数组。我不认为这是正确的..

from tensorflow.keras.utils import to_categorical
y_train_categorical = to_categorical(y)

skf = StratifiedKFold(n_splits=10)
for fold, (traincv, testcv) in enumerate(skf.split(x, y)):

还有其他人知道该怎么做吗？ 谢谢

【参考方案1】：

我建议将时间变量拆分为小时/天/周/月（取决于哪个更重要）列。这样，您的 kfold 分层将最有意义，并且您可能会在不同的折叠中获得最稳定的结果。