我正在尝试使用scikit-learn中的train_test_split函数将我的数据集拆分为训练和测试集，但我收到此错误：
In [1]: y.iloc[:,0].value_counts()
Out[1]:
M2 38
M1 35
M4 29
M5 15
M0 15
M3 15
In [2]: xtrain, xtest, ytrain, ytest = train_test_split(X, y, test_size=1/3, random_state=85, stratify=y)
Out[2]:
Traceback (most recent call last):
File "run_ok.py", line 48, in <module>
xtrain,xtest,ytrain,ytest = train_test_split(X,y,test_size=1/3,random_state=85,stratify=y)
File "/home/aurora/.pyenv/versions/3.6.0/lib/python3.6/site-packages/sklearn/model_selection/_split.py", line 1700, in train_test_split
train, test = next(cv.split(X=arrays[0], y=stratify))
File "/home/aurora/.pyenv/versions/3.6.0/lib/python3.6/site-packages/sklearn/model_selection/_split.py", line 953, in split
for train, test in self._iter_indices(X, y, groups):
File "/home/aurora/.pyenv/versions/3.6.0/lib/python3.6/site-packages/sklearn/model_selection/_split.py", line 1259, in _iter_indices
raise ValueError("The least populated class in y has only 1"
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.
但是，所有课程至少有15个样本 . 为什么我收到此错误？
X是表示数据点的pandas DataFrame，y是一个pandas DataFrame，其中一列包含目标变量 .
我不能发布原始数据，因为它是专有的，但它通过创建一个具有1k行x 500列的随机pandas DataFrame（X）和一个具有相同行数（1k）X的随机pandas DataFrame（y）而具有相当的可重现性 . ，以及每行的目标变量（分类标签） . y pandas DataFrame应具有不同的分类标签（例如'class1'，'class2'...），每个标签应至少出现15次 .
1 回答
问题是
train_test_split将输入2个数组作为输入，但y数组是一列矩阵 . 如果我只传递y的第一列，它就可以了 .