Press "Enter" to skip to content

sklearn中,数据集划分函数 StratifiedShuffleSplit.split() 使用踩坑

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

在SKLearn中,StratifiedShuffleSplit 类实现了对数据集进行洗牌、分割的功能。但在今晚的实际使用中,发现该类及其方法split()仅能够对二分类样本有效。

 

一个简单的例子如下:

 

 1 import numpy as np
 2 from sklearn.model_selection import StratifiedShuffleSplit
 3 
 4 l4 = np.array([[1,2],[3,4],[1,4],[3,5]])
 5 l5 = np.array([0,1,0,2])
 6 splt = StratifiedShuffleSplit(n_splits=1,test_size=0.5,random_state=1)
 7 for train_idx, valid_idx in splt.split(l4, l5):
 8     print(train_idx,valid_idx)
 9 print('=======')
10 print(l4[train_idx],l4[valid_idx])
11 print('=======')
12 print(l5[train_idx],l5[valid_idx])

 

l4 为样本输入列表,l5 为样本输出列表,其中,样本输出(l5)共有3类:[0,1,2] 此时,运行程序会报错:

 

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.

 

 

报错信息的字面意思是:我样本输出仅有1类,需要最少2类。但问题是我实际上有3类输出样本。这个问题百度了半天也没找到合适的解答。

 

后面将3类样本改为2类,该函数就能正常运行了。

 

 1 import numpy as np
 2 from sklearn.model_selection import StratifiedShuffleSplit
 3 
 4 l4 = np.array([[1,2],[3,4],[1,4],[3,5]])
 5 l5 = np.array([0,1,0,1])
 6 splt = StratifiedShuffleSplit(n_splits=1,test_size=0.5,random_state=1)
 7 for train_idx, valid_idx in splt.split(l4, l5):
 8     print(train_idx,valid_idx)
 9 print('=======')
10 print(l4[train_idx],l4[valid_idx])
11 print('=======')
12 print(l5[train_idx],l5[valid_idx])

 

注意,在上方代码第5行,将 l5 的值进行修改,样本输出仅有[0,1]两类。

 

此时运行程序,运行无误。

 

 

StratifiedShuffleSplit .split () 函数对于多分类问题还是无法正确适配。

Be First to Comment

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注