train_test_split中的分层参数与StratifiedShuffleSplit有何区别？

Question

在sklearn的train_test_split函数中使用stratify参数和StratifiedShuffleSplit函数有什么区别？它们不是做同样的事情吗？

- Rohan Pinto

Answer 1

这两个模块执行不同的操作。

正如其名称所示，train_test_split 用于将数据拆分为单个训练和测试子集，并且 stratify 参数允许以分层方式进行拆分。

另一方面，StratifiedShuffleSplit 提供了交叉验证的拆分；来自 docs：

引用： “分层随机洗牌交叉验证器” “提供训练/测试索引以将数据分割为训练/测试集。”

请注意集的复数形式（强调我的）。

因此，当我们想要确保 CV 拆分是分层的时，应该使用 StratifiedShuffleSplit 而不是 KFold，而不是替换 train_test_split。

- desertnaut

---

如果您在StratifiedShuffleSplit中将n_splits=1设置为1，那么如果使用相同的random_state，我期望得到与stratify和train_test_split相同的结果，但我得到了不同的结果。有什么想法吗？ - LazyEval

@LazyEval 不可以；请在新问题中提问。 - desertnaut

你有试过确保所有的参数都是一样的吗？比如 test_size / train_size 也是一样的吗？因为从技术上讲，使用 random_state 应该会返回相同的值。 - undefined