層化K-分割交差検証【StratifiedKFold】

・目的変数の偏りがある場合。
・目的変数のクラス数が多い場合。
・目的変数のクラス割合を担保しながら、データ分割を行う。

＜手順①＞（目的変数のクラスの割合を確認）

割合を確認する場合はvalue_counts()を用い、引数normalize=Trueとする。

In [1]: # ライブラリのインポート
       import pandas as pd
       from sklearn.datasets import load_wine

       # データのロード
       wine = load_wine()
       df_wine = pd.DataFrame(data=wine.data,columns=wine.feature_names)
       df_wine['target'] = wine.target

       # 目的変数のクラス割合
       print(df_wine['target'].value_counts(normalize = True))

Out[1]: 1    0.398876
       0    0.331461
       2    0.269663
       Name: target, dtype: float64

＜手順②＞（層化K-分割交差検証を行う）

・scikit-learnの中からStratifiedKFoldというモジュールをインポートします。

【StratifiedKFold()の引数】
引数n_split: データの分割数、デフォルトは5
引数shuffle: 連続する数字のグループ分けとするか（True もしくはFalse）
引数random_state: 乱数の設定

In [1]: # ライブラリのインポート
       from sklearn.model_selection import StratifiedKFold

       kf = StratifiedKFold(n_splits=3,shuffle=True,random_state=0)
       for fold,(train_index, test_index) in enumerate(kf.split(wine.data, df_wine['target'])):
           print('FOLD{}'.format(fold))
           print(df_wine.iloc[train_index]['target'].value_counts(True))

Out[1]: FOLD0
       1    0.398305
       0    0.330508
       2    0.271186
       Name: target, dtype: float64
       FOLD1
       1    0.403361
       0    0.327731
       2    0.268908
       Name: target, dtype: float64
       FOLD2
       1    0.394958
       0    0.336134
       2    0.268908
       Name: target, dtype: float64