如何在 scikit learn 中训练测试拆分 [重复]

Question

有谁知道问题出在哪里？

x=np.linspace(-3,3,100)
rng=np.random.RandomState(42)
y=np.sin(4*x)+x+rng.uniform(size=len(x))
X=x[:,np.newaxis]
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test=train_test_split(X,y,test_size=0.25,random_state=42,stratify=y) 

我有这个错误：

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.

Answer 1

来自documentation：

3.1.2.2。基于类标签的分层交叉验证迭代器。

一些分类问题可能表现出很大的不平衡 目标类的分布：例如可能有 负样本比正样本多几倍。在这样的 建议使用分层抽样，如 StratifiedKFold 和 StratifiedShuffleSplit 确保相对 类频率在每列火车中大致保留，并且 验证折叠。

Answer 2

train_test_split 中的参数 (stratify = y) 给出了错误。当您的标签具有重复值时使用分层。例如：假设您的标签列的值为 0 和 1。然后通过分层 = y，将保留您的标签在训练样本中的原始比例。比如说，如果你有 60% 的 1 和 40% 的 0，那么你的训练样本也将具有相同的比例。

Answer 3

尝试删除stratify=y，你应该这样做。 另外，请看here。