您可以StratifiedKFold
从在线文档中使用sklearn的:
分层K折交叉验证迭代器
提供训练/测试索引以将数据拆分为训练测试集中的数据。
此交叉验证对象是KFold的变体,它返回分层的折痕。折叠是通过保留每个类别的样品百分比来进行的。
>>> from sklearn import cross_validation
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 1, 1])
>>> skf = cross_validation.StratifiedKFold(y, n_folds=2)
>>> len(skf)
2
>>> print(skf)
sklearn.cross_validation.StratifiedKFold(labels=[0 0 1 1], n_folds=2,
shuffle=False, random_state=None)
>>> for train_index, test_index in skf:
... 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: [1 3] TEST: [0 2]
TRAIN: [0 2] TEST: [1 3]
这将保留您的类别比率,以便拆分保留类别比率,这对于pandas dfs可以正常工作。
如@Ali_m所建议,您可以使用StratifiedShuffledSplit
接受分流比参数:
sss = StratifiedShuffleSplit(y, 3, test_size=0.7, random_state=0)
会产生70%的分割