StratifiedShuffleSplit 分层抽样

分层随机分割交叉验证器可以将数据分割为训练集和测试集，不过它只提供训练集/测试集数据在原始数据集中的位置索引。由该类生成的交叉验证对象融合了StratifiedKFold和ShuffleSplit两个函数的功能，该对象返回分层随机折，对像通过对每一类保留一定比例的样本生成折。注意：同随机分割一样，分层随机分割不保证所有折都是不同的，即使对于大数据集也不例外。

原型为：

class sklearn.model_selection.StratifiedShuffleSplit(n_splits=10, test_size=’default’, train_size=None, random_state=None)

• 官方文档
• n_splits：整数，默认值为10。重新打乱分割的迭代次数；
• test_size：浮点数，None。分割后的测试集大小，默认为浮点数0.1（train_size没有被设置，否则为训练集大小的补集）
  • 如果为浮点数，取值范围在0.0到1.0之间，表示分割后的测试集占总数据集的比例；
  • 如果为整数，表示分割后的测试集含有的绝对样本数；
  • 如果为None，分割后的测试集大小为训练集大小的补集；
• train_size：浮点数，整数或None。默认为None；
  • 如果为浮点数，取值范围在0.0到1.0之间，表示分割后的训练集占总数据集的比例；
  • 如果为整数，表示分割后的训练集含有的绝对样本数；
  • 如果为None，分割后的训练集大小为测试集大小的补集
• random_state：一个整数或者一个RandomState实例，或者None；
  • 如果为整数，则它指定随机数生成器的种子；
  • 如果为RandomState实例，则指定随机数生成器；
  • 如果为None，则使用默认的随机数生成器np.random
• groups：没有用，仅为兼容性保留

注意：随机交叉验证分割起每次调用split方法都可能会返回不同的分割结果，可以通过将参数random_state设置为一个整数使结果保持不变；

from sklearn.model_selection import StratifiedShuffleSplit
import numpy as np
X = np.array([[1, 2], [3, 4], [1, 2], [3, 4],
              [1, 2],[3, 4], [1, 2], [3, 4]])#训练数据集8*2
y = np.array([0, 0, 1, 1,0,0,1,1])#类别数据集8*1

ss=StratifiedShuffleSplit(n_splits=5,test_size=0.25,train_size=0.75,random_state=0)#分成5组，测试比例为0.25，训练比例是0.75

for train_index, test_index in ss.split(X, y):
   print("TRAIN:", train_index, "TEST:", test_index)#获得索引值
   X_train, X_test = X[train_index], X[test_index]#训练集对应的值
   y_train, y_test = y[train_index], y[test_index]#类别集对应的值