我在scikit-learn的stratify函数中的train_test_split()参数有问题。这是一个虚拟示例，具有相同的问题，该问题随机出现在我的数据上:
from sklearn.model_selection import train_test_split
a = [1, 0, 0, 0, 0, 0, 0, 1]
train_test_split(a, stratify=a, random_state=42)
返回:
[[1, 0, 0, 0, 0, 1], [0, 0]]
它不应该在测试子集中也选择“1”吗？从我希望
train_test_split()与stratify一起工作的方式来看，它应该返回类似以下内容的内容:[[1, 0, 0, 0, 0, 0], [0, 1]]
某些值
random_state会发生这种情况，而其他值会正确地起作用。但是我每次必须分析数据时都无法搜索“正确的”值。我有python 2.7和scikit-learn 0.18。
最佳答案
这个问题是在8个月前提出的，但我想一个答案将来可能仍然对读者有帮助。
使用stratify参数时，train_test_split实际上依赖StratifiedShuffleSplit函数进行拆分。如您在documentation中所见，StratifiedShuffleSplit确实旨在通过保留每个类的样本百分比来进行拆分，这与您期望的一样。
问题是，在您的示例中，25％(8个样本中的2个)为1s，但是样本大小不足以使您看到此比例反射(reflect)在测试集上。您在这里有两个选择:
A. 使用test_size选项增加测试集的大小，该选项默认为0.25，例如0.5。在这种情况下，一半的样本将成为测试集，您会看到其中25％(即四分之一)是1。
>>> a = [1, 0, 0, 0, 0, 0, 0, 1]
>>> train_test_split(a, stratify=a, random_state=42, test_size=0.5)
[[1, 0, 0, 0], [0, 0, 1, 0]]
B. 请将
test_size保留为默认值，并增加设置的a的大小，以便其25％的样本至少等于4个元素。包含16个或更多样本的a将为您完成此操作。>>> a = [1, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 1]
>>> train_test_split(a, stratify=a, random_state=42)
[[0, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0], [0, 0, 1, 0]]
希望能有所帮助。
关于python - sklearn的train_test_split中的"Stratify"参数无法正常工作？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/39856729/