train_test_split 函数是不是保持类之间的平衡

Posted 2023-03-12

【中文标题】train_test_split 函数是不是保持类之间的平衡

【英文标题】：Does the train_test_split function keep the balance between classestrain_test_split 函数是否保持类之间的平衡

【发布时间】：2019-07-03 04:43:54

【问题描述】：

我有一个问题，我一直在寻找答案，但我找不到答案。

如果我有一个使用三个或更多类标记的数据集，其中每个类代表 33% 的数据。当我拆分数据时，训练/验证/测试集是否在类之间保持相同的平衡？

如果没有，有没有办法保持平衡？

提前致谢。

【问题讨论】：

Stratified Train/Test-split in scikit-learn的可能重复

【参考方案1】：

找到了！

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42, stratify=y)

【讨论】：

这是做什么的？

它对训练/测试集中的数据进行分层并保持类的数量平衡，例如，如果您有 100 个 class1 和 100 个 class2，当您以 0.2 测试大小拆分时，您将得到一个训练集有 80 个 class1 和 80 个 class2 以及一个包含 20 个 class1 和 20 个 class2 的测试集