Parametr „stratify” z metody „train_test_split” (scikit Learn)

Próbuję użyć train_test_splitz pakietu scikit Learn, ale mam problem z parametrem stratify. Poniżej znajduje się kod:

from sklearn import cross_validation, datasets 

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

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

Jednak pojawia się następujący 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])}

Czy ktoś ma pomysł, co się dzieje? Poniżej znajduje się dokumentacja funkcji.

[…]

stratyfikacja : podobna do tablicy lub Brak (domyślnie Brak)

Jeśli nie ma wartości Brak, dane są dzielone w sposób warstwowy, używając tego jako tablicy etykiet.

Nowość w wersji 0.17: podział na warstwy

[…]

Scikit-Learn po prostu mówi ci, że nie rozpoznaje argumentu „stratyfikacja”, a nie, że używasz go nieprawidłowo. Dzieje się tak, ponieważ parametr został dodany w wersji 0.17, jak wskazano w cytowanej dokumentacji.

Musisz więc tylko zaktualizować Scikit-Learn.

Ten stratifyparametr powoduje podział tak, aby proporcja wartości w wytworzonej próbie była taka sama, jak proporcja wartości przekazanych do parametru stratify.

Na przykład, jeśli zmienna yjest binarną zmienną kategorialną z wartościami 0i 1zawiera 25% zer i 75% jedynek, stratify=yupewni się, że losowy podział ma 25% 0i 75% wartości 1.

Dla mojej przyszłej osoby, która przychodzi tutaj przez Google:

train_test_splitjest teraz w model_selection, stąd:

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)

jest sposobem na użycie go. Ustawienie random_statejest pożądane ze względu na powtarzalność.

W tym kontekście stratyfikacja oznacza, że ​​metoda train_test_split zwraca podzbiory treningowe i testowe, które mają takie same proporcje etykiet klas, jak zbiór danych wejściowych.

Spróbuj uruchomić ten kod, to „po prostu działa”:

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])