在 python 中训练测试拆分但考虑患者信息？

Posted 2023-03-12

【中文标题】在 python 中训练测试拆分但考虑患者信息？

【英文标题】：train test split in python but consider patient information?

【发布时间】：2021-06-08 11:36:51

【问题描述】：

我想知道是否有一种简单的方法可以在 python 中进行训练测试拆分（主要对交叉验证感兴趣），这样我最终不会在训练和测试中得到来自同一患者的数据点？也就是说，我想首先将患者分成训练和测试，然后进行相应的观察。

这种场景是否有功能，还是我必须手动编写代码？

【参考方案1】：

Sklearn GroupKFold 应该可以解决这个问题。具有非重叠组的 K 折迭代器变体。同一组不会出现在两个不同的折叠中：

from sklearn.model_selection import GroupKFold

X = np.array([[1, 2], [3, 4], [5, 6], [7, 8]])
y = np.array([1, 2, 3, 4])
groups = np.array([0, 0, 2, 2])
group_kfold = GroupKFold(n_splits=2)

group_kfold.get_n_splits(X, y, groups)