sklearn train_test_split 中stratify参数解析

from sklearn.model_selection import train_test_split
# 将'features'和'result'数据切分成训练集和测试集

X_train, X_test, y_train, y_test = train_test_split(features, target, test_size = 0.2, random_state = 0,   stratify = target)

代码中stratify的作用：保持测试集与整个数据集里target的数据分类比例一致。

举个栗子：
整个数据集有1000行，target列的数据也是1000个，而且分两类：0和1，其中0有200个，1有800个，即数据分类的比例为2：8。

那么现在把整个数据split，因为test_size = 0.2，所以训练集分到800个数据，测试集分到200个数据。

重点来了
那么由于stratify = target，则训练集和测试集中的数据分类比例将与target一致，也是2：8，结果就是在训练集中，有160个0和640个1；测试集中有40个0和160个1。