Parameter "stratify" aus der Methode "train_test_split" (scikit Learn)

Ich versuche, train_test_splitvon Paket scikit Learn zu verwenden, aber ich habe Probleme mit Parametern stratify. Im Folgenden ist der Code:

from sklearn import cross_validation, datasets 

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

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

Ich bekomme jedoch immer wieder das folgende Problem:

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])}

Hat jemand eine Idee was los ist? Unten finden Sie die Funktionsdokumentation.

[...]

stratifizieren : Array-ähnlich oder Keine (Standard ist Keine)

Wenn nicht Keine, werden die Daten geschichtet aufgeteilt, wobei dies als Beschriftungsarray verwendet wird.

Neu in Version 0.17: stratify Spaltung

[...]

Scikit-Learn sagt Ihnen nur, dass es das Argument "stratifizieren" nicht erkennt, nicht, dass Sie es falsch verwenden. Dies liegt daran, dass der Parameter in Version 0.17 hinzugefügt wurde, wie in der von Ihnen angegebenen Dokumentation angegeben.

Sie müssen also nur Scikit-Learn aktualisieren.

Dieser stratifyParameter teilt sich so auf, dass der Anteil der Werte in der erzeugten Probe dem Anteil der Werte entspricht, die dem Parameter zur Verfügung gestellt werden stratify.

Zum Beispiel, wenn die Variable yist eine binäre kategoriale Variable mit Werten 0und 1ist und 25% von Nullen und 75% von Einsen, stratify=ywird sicherstellen , dass Ihre zufällige Split 25% hat 0‚s und 75% 1‘ s.

Für mein zukünftiges Ich, das über Google hierher kommt:

train_test_splitist jetzt in model_selection, daher:

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)

ist der Weg, es zu benutzen. Das Einstellen von random_stateist für die Reproduzierbarkeit wünschenswert.

In diesem Zusammenhang bedeutet Schichtung, dass die train_test_split-Methode Trainings- und Testteilmengen zurückgibt, die dieselben Anteile an Klassenbezeichnungen wie das Eingabedatensatz haben.

Versuchen Sie, diesen Code auszuführen, er "funktioniert einfach":

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])