zoukankan      html  css  js  c++  java
  • 分层拆分

    分层拆分保证拆分后的数据集标签列比例还一样。比如在原来数据集中正负样本比例是2:1,那么在拆分后的测试集和训练集中,正负标签也是2:1。
    可以用来修正随机拆分后的测试集和训练中比例不一样的问题。
    如果正样本特别少,并且测试集也很少,那么测试集有可能抽不到正样本,可以使用分层采样。

    使用sklearn 测试,不使用分层:

    import pandas as pd
    from sklearn.model_selection import train_test_split
    
    df = pd.DataFrame(
        data={
            'c1': ['a', 'b', 'c', 'd', 'e', 'f'],
            'label': [1, 1, 1, 1, 0, 0]
        }
    )
    # X_train, X_test = train_test_split(df, test_size=0.333, random_state=100, stratify=df['label'])  # 使用分层抽样,指定分层抽样依据的列
    X_train, X_test = train_test_split(df, test_size=0.333, random_state=100)
    
    print('X_train: ')
    print(X_train)
    print('X_test: ')
    print(X_test)
    
    X_train: 
      c1  label
    4  e      0
    3  d      1
    5  f      0
    0  a      1
    X_test: 
      c1  label
    1  b      1
    2  c      1
    

    使用分层抽样的输出:

    X_train: 
      c1  label
    1  b      1
    3  d      1
    5  f      0
    2  c      1
    X_test: 
      c1  label
    4  e      0
    0  a      1
    
  • 相关阅读:
    web_arcgis 步骤
    《程序员修炼之道》读后感
    《人月神话》读后感
    七天开发记录(6)
    七天开发记录(5)
    七天开发记录(4)
    七天开发记录(3)
    七天开发记录(2)
    七天开发记录(1)
    《梦断代码》读后感
  • 原文地址:https://www.cnblogs.com/oaks/p/15224321.html
Copyright © 2011-2022 走看看