这个错误对 StratifiedShuffleSplit 意味着什么？答案

【问题标题】：What does this error mean with StratifiedShuffleSplit?这个错误对 StratifiedShuffleSplit 意味着什么？
【发布时间】：2018-09-04 02:35:03
【问题描述】：

总的来说，我对数据科学完全陌生，希望有人能解释为什么这不起作用：

我正在使用来自以下 url 的广告数据集：“http://www-bcf.usc.edu/~gareth/ISL/Advertising.csv”，它有 3 个特征列（“TV”、“Radio”、“Newspaper”）和 1 个标签列（“sales”）。我的完整数据集命名为data。

接下来，我尝试使用sklearn的StratifiedShuffleSplit函数将数据分为训练集和测试集。

from sklearn.model_selection import StratifiedShuffleSplit

split = StratifiedShuffleSplit(n_splits=1, random_state=0) # can use test_size=0.8
for train_index, test_index in split.split(data.drop("sales", axis=1), data["sales"]): # Generate indices to split data into training and test set.
    strat_train_set = data.loc[train_index]
    strat_test_set = data.loc[test_index]

我知道了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.

在具有 14 个特征列和 1 个标签列的另一个数据集上使用相同的代码可以适当地分隔数据。为什么它在这里不起作用？谢谢。

【问题讨论】：

scikit-learn.org/stable/modules/generated/…
@Aditya。啊，是的，错误的问题链接。更恰当的案例和解释is here.
@Aditya。但正如我在这个问题中看到的目标是“销售”，所以它是一个回归问题，因此我的 original link 对于这种情况是正确的。

标签： python pandas scikit-learn data-science sklearn-pandas

【解决方案1】：

我认为问题在于您的 data_y 是二维矩阵。

但正如我在sklearn.model_selection.StratifiedShuffleSplit doc 中看到的，它应该是1D 向量。尝试将data_y的每一行编码为整数（会被解释为一个类），并在使用split之后。

或者您的 y 可能是一个回归变量（连续数值数据）。（Vivek 的链接）

【讨论】：