这里已经描述了如何通过train_test_split(Stratified Train/Test-split in scikit-learn)在scikit中进行分层训练/测试分割,以及如何通过np.split(How to split data into 3 sets (train, validation and test)?)进行随机训练/验证/测试分裂的描述 . 但是如何进行分层训练/验证/测试分割呢 .
对于进行分层(类标签)训练/验证/测试分割而想到的最接近的近似值如下,但我怀疑有一种更好的方法可以在一个函数调用中或以更准确的方式实现:
假设我们想要进行60/20/20列车/验证/测试拆分,那么我目前的方法是首先进行60/40分层拆分,然后在前40个进行50/50 stratifeid拆分,最终得到一个60/20/20分层分裂 .
from sklearn.cross_validation import train_test_split
SEED = 2000
x_train, x_validation_and_test, y_train, y_validation_and_test = train_test_split(x, y, test_size=.4, random_state=SEED)
x_validation, x_test, y_validation, y_test = train_test_split(x_validation_and_test, y_validation_and_test, test_size=.5, random_state=SEED)
如果我的方法是正确的和/或你有更好的方法,请回来 .
谢谢
2 回答
是的,这正是我要做的 - 运行
train_test_split()
两次 . 将第一个视为分离训练集,然后将训练集分成不同的折叠或保持在线下 .事实上,如果您最终使用包含内置交叉验证的scikit模型测试模型,您甚至可能不必再次显式运行
train_test_split()
. 如果您使用(非常方便!)model_selection.cross_val_score
函数,则相同 .解决方案是只使用StratifiedShuffleSplit两次,如下所示: