由于您没有提供数据集,我使用sklearn的示例来回答这个问题。
准备数据集
import numpy as np
from sklearn.model_selection import StratifiedShuffleSplit
data = np.array([[1, 2], [3, 4], [1, 2], [3, 4], [1, 2], [3, 4]])
group_label = np.array([0, 0, 0, 1, 1, 1])
这将生成一个数据集data
,其中有6个观察和2个变量。group_label
有2个值,表示group 0
和group 1
。在这种情况下,group 0
包含3个样本,group 1
也是如此。一般来说,组大小不需要相同。
创建一个StratifiedShuffleSplit
对象实例
sss = StratifiedShuffleSplit(n_splits=5, test_size=0.5, random_state=0)
sss.get_n_splits(data, group_label)
输出:
5
在这一步中,您可以创建一个StratifiedShuffleSplit
实例,您可以告诉函数如何分割数据(在random_state = 0
的时候,将数据分割5次
,每次将50%
的数据分割到测试集
)。但是,只有当您在下一步中调用它时才会分割数据。
调用该实例并分割数据。
type(sss.split(data, group_label))
for train_index, test_index in sss.split(data, group_label):
print("n_split",,"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]
输出:
TRAIN: [5 2 3] TEST: [4 1 0]
TRAIN: [5 1 4] TEST: [0 2 3]
TRAIN: [5 0 2] TEST: [4 3 1]
TRAIN: [4 1 0] TEST: [2 3 5]
TRAIN: [0 5 1] TEST: [3 4 2]
在这一步骤中,你在上一步定义的“spliter”将会逐个生成5个使用“data”进行分割。例如,在第一个分割中,原始数据将被打乱并且样本“5,2,3”被选择为训练集,这也是根据“group_label”进行分层抽样的;在第二个分割中,数据再次被打乱,并选择了样本“5,1,4”作为训练集;以此类推。