如何将稀疏矩阵拆分为训练集和测试集?
Posted
技术标签:
【中文标题】如何将稀疏矩阵拆分为训练集和测试集?【英文标题】:How to split sparse matrix into train and test sets? 【发布时间】:2020-01-11 14:48:30 【问题描述】:我想了解如何使用稀疏矩阵。我有这段代码可以将多标签分类数据集生成为稀疏矩阵。
from sklearn.datasets import make_multilabel_classification
X, y = make_multilabel_classification(sparse = True, n_labels = 20, return_indicator = 'sparse', allow_unlabeled = False)
这段代码给了我以下格式的 X:
<100x20 sparse matrix of type '<class 'numpy.float64'>'
with 1797 stored elements in Compressed Sparse Row format>
y:
<100x5 sparse matrix of type '<class 'numpy.int64'>'
with 471 stored elements in Compressed Sparse Row format>
现在我需要将 X 和 y 拆分为 X_train、X_test、y_train 和 y_test,以便训练集构成 70%。我该怎么做?
这是我尝试过的:
X_train, X_test, y_train, y_test = train_test_split(X.toarray(), y, stratify=y, test_size=0.3)
并收到错误消息:
TypeError:传递了稀疏矩阵,但需要密集数据。采用 X.toarray() 转换为密集的 numpy 数组。
【问题讨论】:
错误消息本身提出了解决方案。通过调用X.toarray()
和y.toarray()
将稀疏矩阵转换为密集矩阵后运行train_test_split()
函数
@Chinni:谢谢!你能发布答案吗?
【参考方案1】:
错误消息本身似乎暗示了解决方案。需要将X
和y
都转换为密集矩阵。
请执行以下操作,
X = X.toarray()
y = y.toarray()
X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, test_size=0.3)
【讨论】:
你能详细说明stratify=y
是什么意思吗?
另外,对我来说只有这句话有效:X_train, X_test, y_train, y_test = train_test_split(X.toarray(), y, test_size=0.3)
能否请您检查一下您使用的是哪个版本的 sklearn? - ***.com/questions/34842405/…
我用的是'0.23.0'版本
您在使用stratify=y
时是否遇到任何错误?如果是这样,您能否发布或更新您的问题?【参考方案2】:
问题是由于stratify=y
。如果您查看train_test_split 的文档,我们可以看到
*arrays
:
stratify
:
现在不幸的是,这个数据集不能很好地与 stratify
一起使用,即使它被转换为密集数组:
>>> X_tr, X_te, y_tr, y_te = train_test_split(X, y, stratify=y.toarray(), test_size=0.3)
ValueError: The least populated class in y has only 1 member, which is too few. The minimum number of groups for any class cannot be less than 2.
【讨论】:
以上是关于如何将稀疏矩阵拆分为训练集和测试集?的主要内容,如果未能解决你的问题,请参考以下文章