如何将数据集划分为类之间的训练和验证集保持率？
我有一个多类分类问题，并且我的数据集存在偏差，我有100个特定类的实例，并说10个不同类的实例，所以如果我有100个特定类的实例，我想在各个类之间分配数据集保留率我想让30％的记录进入训练集中，我想让100个记录代表的类有30个实例，而10个记录代表的类有3个实例，依此类推。
问题答案：
您可以StratifiedKFold从在线文档中使用sklearn的：
分层K折交叉验证html" target="_blank">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
-
问题内容： 将NumPy数组随机分为训练和测试/验证数据集的好方法是什么？与Matlab中的或函数类似。 问题答案： 如果要将数据集分成两半，可以使用，或者需要跟踪索引： 要么 有多种方法可以重复分区同一数据集以进行交叉验证。一种策略是从数据集中重复采样： 最后，sklearn包含几种交叉验证方法（k折，nave -n-out等）。它还包括更高级的“分层抽样”方法，这些方法创建了针对某些功能平衡的
-
本文向大家介绍python 划分数据集为训练集和测试集的方法，包括了python 划分数据集为训练集和测试集的方法的使用技巧和注意事项，需要的朋友参考一下 sklearn的cross_validation包中含有将数据集按照一定的比例，随机划分为训练集和测试集的函数train_test_split 得到的x_train,y_train（x_test,y_test）的index对应的是x,y中被抽取
-
问题内容： 我有一个很大的数据集，想将其分为训练（50％）和测试集（50％）。 假设我有100个示例存储了输入文件，每一行包含一个示例。我需要选择50条线作为训练集和50条线测试集。 我的想法是首先生成一个长度为100（值范围从1到100）的随机列表，然后将前50个元素用作50个训练示例的行号。与测试集相同。 这可以在Matlab中轻松实现 但是如何在Python中完成此功能？我是Python的新
-
我刚刚开始使用R，我不确定如何将我的数据集与以下示例代码结合起来： 我有一个数据集，我需要将其放入训练（75%）和测试（25%）集中。我不确定应该将哪些信息放入x和大小？x是数据集文件吗？我有多少样本？
-
问题内容： 我正在尝试运行以下Colab项目，但是当我想将训练数据分为验证和训练部分时，出现此错误： 我使用以下代码： 如何解决此错误？ 问题答案： 根据Tensorflow Dataset docs ，百分比拆分是可能的，例如 如示例所示，更改列表时，您的代码将起作用： 使用上面的代码，有2590个条目，而有1080个。
-
我有一个数据集，从数据库查询中获得，大约有5,000个元素。我想把这些数据分成块，然后让“用户”（线程）发出HTTP请求。 这样做的目的是我们有一个站点，提供实时信息的瞬态数据，我想模拟多个并发的请求对服务。 1-尝试创建一个测试计划，在该测试计划中完成DB查询，然后通过ForEach控制器通过HTTP请求进行处理。但是，当我只有1个'user'时，这工作很好；如果我将用户计数增加到2+，那么DB