Tham số “phân tầng” từ phương thức “train_test_split” (scikit Learn)

Tôi đang cố gắng sử dụng train_test_splittừ gói scikit Learn, nhưng tôi gặp sự cố với tham số stratify. Sau đây là mã:

from sklearn import cross_validation, datasets 

X = iris.data[:,:2]
y = iris.target

cross_validation.train_test_split(X,y,stratify=y)

Tuy nhiên, tôi tiếp tục gặp sự cố sau:

raise TypeError("Invalid parameters passed: %s" % str(options))
TypeError: Invalid parameters passed: {'stratify': array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2])}

Có ai đó có ý tưởng về những gì đang xảy ra? Dưới đây là tài liệu chức năng.

[...]

phân tầng : giống mảng hoặc Không có (mặc định là Không có)

Nếu không phải Không, dữ liệu được chia theo kiểu phân tầng, sử dụng dữ liệu này làm mảng nhãn.

Tính năng mới trong phiên bản 0.17: phân tách phân tầng

[...]

Scikit-Learn chỉ cho bạn biết rằng nó không nhận ra đối số "phân tầng", không phải là bạn đang sử dụng nó không đúng cách. Điều này là do tham số đã được thêm vào trong phiên bản 0.17 như được chỉ ra trong tài liệu bạn đã trích dẫn.

Vì vậy, bạn chỉ cần cập nhật Scikit-Learn.

stratifyTham số này tạo ra sự phân tách để tỷ lệ các giá trị trong mẫu được tạo ra sẽ giống với tỷ lệ các giá trị được cung cấp cho tham số stratify.

Ví dụ: nếu biến ylà một biến phân loại nhị phân với các giá trị 0và 1và có 25% số không và 75% giá trị, stratify=ysẽ đảm bảo rằng phần tách ngẫu nhiên của bạn có 25% số 0và 75% số 1.

Đối với tương lai của tôi, người đến đây qua Google:

train_test_splithiện đang ở model_selection, do đó:

from sklearn.model_selection import train_test_split

# given:
# features: xs
# ground truth: ys

x_train, x_test, y_train, y_test = train_test_split(xs, ys,
                                                    test_size=0.33,
                                                    random_state=0,
                                                    stratify=ys)

là cách để sử dụng nó. Đặt giá trị random_statemong muốn cho khả năng tái lập.

Trong ngữ cảnh này, phân tầng có nghĩa là phương thức train_test_split trả về các tập con huấn luyện và kiểm tra có cùng tỷ lệ nhãn lớp với tập dữ liệu đầu vào.

Hãy thử chạy mã này, nó "chỉ hoạt động":

from sklearn import cross_validation, datasets 

iris = datasets.load_iris()

X = iris.data[:,:2]
y = iris.target

x_train, x_test, y_train, y_test = cross_validation.train_test_split(X,y,train_size=.8, stratify=y)

y_test

array([0, 0, 0, 0, 2, 2, 1, 0, 1, 2, 2, 0, 0, 1, 0, 1, 1, 2, 1, 2, 0, 2, 2,
       1, 2, 1, 1, 0, 2, 1])