如何用tensorflow进行k折交叉验证？

Question

我在跟踪the IRIS example of tensorflow。

我现在的情况是，所有数据都在一个CSV文件中，而不是分开的，我想对这些数据应用k-fold交叉验证。

我有

data_set = tf.contrib.learn.datasets.base.load_csv(filename="mydata.csv",
                                                   target_dtype=np.int)

如何使用多层神经网络对该数据集进行k倍交叉验证，就像IRIS示例一样？

Answer 1

NN通常用于不使用CV的大型数据集，而且非常昂贵。在虹膜的情况下（每种50个样本），你可能需要它。。 为什么不使用scikit-learn with different random seeds来分割训练和测试？

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

对于kfold中的k：

1. 以不同的方式分割数据，将不同的值传递到“随机状态”
2. 用火车学习网络
3. 使用测试进行测试

如果你不喜欢随机种子，想要一个更结构化的k-折叠分裂， 您可以使用从here中获取的。

from sklearn.model_selection import KFold, cross_val_score
X = ["a", "a", "b", "c", "c", "c"]
k_fold = KFold(n_splits=3)
for train_indices, test_indices in k_fold.split(X):
    print('Train: %s | test: %s' % (train_indices, test_indices))
Train: [2 3 4 5] | test: [0 1]
Train: [0 1 4 5] | test: [2 3]
Train: [0 1 2 3] | test: [4 5]

Answer 2

我知道这个问题已经过时了，但如果有人想做类似的事情，请扩展一下ahmedhosny's答案：

新的tensorflow数据集API能够使用python生成器创建数据集对象，因此除了scikit learn的KFold选项外，还可以使用KFold.split（）生成器创建数据集：

import numpy as np

from sklearn.model_selection import LeaveOneOut,KFold

import tensorflow as tf
import tensorflow.contrib.eager as tfe
tf.enable_eager_execution()

from sklearn.datasets import load_iris
data = load_iris()
X=data['data']
y=data['target']

def make_dataset(X_data,y_data,n_splits):

    def gen():
        for train_index, test_index in KFold(n_splits).split(X_data):
            X_train, X_test = X_data[train_index], X_data[test_index]
            y_train, y_test = y_data[train_index], y_data[test_index]
            yield X_train,y_train,X_test,y_test

    return tf.data.Dataset.from_generator(gen, (tf.float64,tf.float64,tf.float64,tf.float64))

dataset=make_dataset(X,y,10)

然后可以在基于图的tensorflow中或使用紧急执行来迭代数据集。使用紧急执行：

for X_train,y_train,X_test,y_test in tfe.Iterator(dataset):
    ....