Параметр "stratify" из метода "train_test_split" (scikit Learn)

Я пытаюсь использовать train_test_split из пакета scikit Learn, но у меня проблемы с параметром stratify. Здесь и далее код:

from sklearn import cross_validation, datasets 

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

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

Тем не менее, я продолжаю получать следующую проблему:

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])}

У кого-то есть идея, что происходит? Ниже приведена документация по функциям.

[...]

стратификация: массив или нет (по умолчанию нет)

Если не None, данные разделяются стратифицированно, используя это как массив меток.

Новое в версии 0.17: расслоение

[...]

Ответ 1

Scikit-Learn просто говорит вам, что не признает аргумент "стратифицировать", а не то, что вы используете его неправильно. Это связано с тем, что параметр был добавлен в версии 0.17, как указано в цитируемой вами документации.

Поэтому вам просто нужно обновить Scikit-Learn.

Ответ 2

Этот stratify параметр делает раскол так, что доля значений в образце, полученном будет таким же, как соотношение значений параметра, предоставленных stratify.

Например, если переменная y представляет собой двоичную категориальную переменную со значениями 0 и 1 и 25% нулей и 75% единиц, stratify=y будет убедиться, что ваш случайный раскол имеет 25% от 0 и 75% от 1 ' s.

Ответ 3

Для моего будущего, который приходит сюда через Google:

train_test_split теперь находится в model_selection, следовательно:

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)

это способ его использования. Желательно, чтобы значение random_state воспроизводимым.

Ответ 4

В этом контексте стратификация означает, что метод train_test_split возвращает учебные и тестовые подмножества, которые имеют одинаковые пропорции меток классов в качестве входного набора данных.

Ответ 5

Попробуйте запустить этот код, он "просто работает":

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])