k-fold

Classe “KFold” §

A classe KFold faz parte do módulo sklearn.model_selection no scikit-learn e é usada para dividir um conjunto de dados em k partes (ou partições) para a realização da validação cruzada. A validação cruzada é uma técnica crucial para avaliar o desempenho de modelos de aprendizado de máquina de forma robusta, especialmente quando há limitação de dados.

Funcionamento da classe KFold:

1. Você instancia a classe KFold, especificando o número de partes (fold) k que deseja usar.
2. Depois, você pode gerar os índices dos subconjuntos de treinamento e teste usando o método split(X, y).
3. A função split gera índices para treinamento e teste para cada uma das k partes.

Principais parâmetros:

• n_splits: Número de partes da validação cruzada (k).
• shuffle: Se True, os índices são embaralhados aleatoriamente antes de dividir.
• random_state: Semente aleatória para garantir a reprodutibilidade.

Exemplo:

from sklearn.model_selection import KFold
 
# Definindo o número de dobras (partições)
n_splits = 10
 
# Instanciando a classe KFold
kf = KFold(n_splits=n_splits, shuffle=True, random_state=42)
 
# Dividindo os dados em subconjuntos de treinamento e teste
for train_index, test_index in kf.split(X):
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]

A classe KFold é especialmente útil quando se deseja controlar a divisão dos dados em partes personalizadas ou quando se quer combinar a validação cruzada com outras técnicas, como ajuste de hiperparâmetros. Ela permite uma avaliação mais realista e robusta do desempenho do modelo, evitando vieses provenientes da divisão aleatória dos dados.