python中数据集划分函数StratifiedShuffleSplit的使用

用法：

from  sklearn.model_selection import StratifiedShuffleSplit
StratifiedShuffleSplit(n_splits=10,test_size=None,train_size=None, random_state=None)

参数说明

参数 n_splits是将训练数据分成train/test对的组数，可根据需要进行设置，默认为10

参数test_size和train_size是用来设置train/test对中train和test所占的比例。例如：
1.提供10个数据num进行训练和测试集划分
2.设置train_size=0.8 test_size=0.2
3.train_num=num*train_size=8 test_num=num*test_size=2
4.即10个数据，进行划分以后8个是训练数据，2个是测试数据

注：train_num≥2，test_num≥2 ;test_size+train_size可以小于1

参数 random_state控制是将样本随机打乱

例子：

from sklearn.model_selection import StratifiedShuffleSplit

ss = StratifiedShuffleSplit(n_splits=1, test_size=0.2,random_state=0)  #n_slpit 全体数据分组数目，random_state 不将样本随机打乱

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

train_idx, val_idx = next(ss.split(X, y))

print("train_idx:",train_idx)
print("val_idx:",val_idx)

for train_index, test_index in ss.split(X, y):
    print("train_idx:", train_index)
    print("val_idx:", test_index)

输出：

train_idx: [5 2 6 4 1 3]
val_idx: [7 0]
train_idx: [5 2 6 4 1 3]
val_idx: [7 0]