メソッド「train_test_split」のパラメーター「stratify」（scikit Learn）

train_test_splitパッケージscikitLearnから使用しようとしていますが、パラメーターに問題がありますstratify。以下はコードです：

from sklearn import cross_validation, datasets 

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

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

ただし、次の問題が発生し続けます。

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])}

誰かが何が起こっているのか考えていますか？以下は関数のドキュメントです。

[...]

stratify：配列のようなまたはなし（デフォルトはなし）

Noneでない場合、データは、これをラベル配列として使用して、階層化された方法で分割されます。

バージョン0.17の新機能：分割の階層化

[...]

Scikit-Learnは、引数「stratify」を認識しないと言っているだけであり、誤って使用しているわけではありません。これは、引用したドキュメントに示されているように、パラメーターがバージョン0.17で追加されたためです。

したがって、Scikit-Learnを更新する必要があります。

このstratifyパラメーターは、生成されたサンプルの値の比率がパラメーターに提供された値の比率と同じになるように分割しますstratify。

変数は、たとえば、y値を持つバイナリカテゴリ変数である0と1し、ゼロの25％と1の75％が存在し、stratify=yあなたのランダムな分割は25％持っていることを確認してます0さんとの75％1のを。

グーグル経由でここに来る私の将来の自己のために：

train_test_splitになりましたmodel_selection、したがって：

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)

それを使用する方法です。の設定はrandom_state再現性のために望ましいです。

このコンテキストでは、階層化とは、train_test_splitメソッドが、入力データセットと同じ比率のクラスラベルを持つトレーニングサブセットとテストサブセットを返すことを意味します。

このコードを実行してみてください、それは「うまくいく」：

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])