无k褶皱分层抽样

Question

我可以使用分层抽样与80%的训练20%的测试，分裂的数据在蟒蛇？

我已经对此进行了调查，这是为了进行九层分层抽样。我不确定我是否只是把0作为迭代的次数才能工作，因为它是在交叉验证包中实现的，并且它们至少假定了2倍！

StratifiedShuffleSplit(labels=[0 0 1 1], n_iter=3, ...)

Answer 1

我不能百分之百确定你的问题到底是什么，所以让我们回顾一下validation.StratifiedShuffleSplit()的细节。

这个交叉验证对象是StratifiedKFold和ShuffleSplit的合并。

这意味着功能将返回一个随机，分层，折叠。确定返回给您的折叠数的是n_iter参数。如果将其设置为0，则函数响应中不会收到任何内容。

也有可能不是所有的褶皱都是独一无二的。

为了回答您的问题，，我可以使用80%的分层抽样和20%的测试，将数据拆分到python?中。

是的，让我们看一下示例代码。通过将test_size参数设置为0.2 ( 20% )，您将强制您的折叠进行80%的训练和20%的测试。

import numpy as np
from sklearn.cross_validation import StratifiedShuffleSplit
X = np.array([[1, 1], [2, 2], [3, 3], [4, 4], [5,5], [6,6], [7,7], [8,8], [9,9], [10,10]])
y = np.array([0, 0, 0, 0, 0, 1, 1, 1, 1, 1])
sss = StratifiedShuffleSplit(y, 1, test_size=0.2, random_state=0)

for train_index, test_index in sss:
    print("TRAIN:", train_index, "TEST:", test_index)
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]

>>> TRAIN: [0 6 3 9 2 5 1 7] TEST: [4 8]

如果这是你想要的，请告诉我，如果你还有其他问题，请告诉我。