多标签不平衡训练测试拆分[关闭]

Question

我有一个带有四个回归标签的数据。每个回归标签的样本都是不平衡的。数据随帖子附在这里 data_multi_label_reg.csv.

它有 5 列，其中 4 列，即 A、B、C 和 D 用于回归标签 sample 用于数据中的样本或训练示例。

每个样本仅针对四个标签之一定义。因此，每个样本都带有一个标签值，其余为空。

此外，标签高度不平衡。例如，D 是为大多数样本定义的，而A 是为最少的样本定义的。

是否有任何 python 包可以将此数据集划分为train_test_split，以便在训练和测试拆分中，每个标签的比率都保留在原始数据集中。

有sklearn函数如下。

x_train, x_test, y_train, y_test = train_test_split(x, y,
                                                    test_size=0.33,
                                                    random_state=0,
                                                    stratify=y)

但这似乎适用于单标签输出。多标签回归输出有没有类似的功能？

Answer 1

您可以查看scikit-multilearn 库。有iterative_train_test_split 模块。看看这个简单的用法example 和这个doc。