有没有办法进行分层抽样，同时牢记分布和组 ID [Python]？
[英]Is there a way to do stratified sampling which keeps both distribution and group ID in mind [Python]?
问题描述
我有一组数据，我正在尝试为其创建训练和测试集。 但是，我需要将组保持在一起以避免数据泄漏。 进行随机拆分会导致训练集和测试集具有不同的分布。 是否有 package 允许我拆分以在两组中保持相似的分布，同时确保两组中没有代表的组？ 我已经尝试过 sklearn 的 train_test_split，但是当我对组 ID 和目标变量进行分层时，我得到“ValueError：y 中人口最少的 class 只有 1 个成员，这太少了。任何 class 的最小组数不能小于 2。” 我也尝试过使用 sklearn 的 StratifiedGroupKFold 也没有运气，因为虽然它在组中保持没有重叠，但它导致训练集和测试集具有不同的分布。 提前致谢
0 个解决方案
如何使用Python进行随机分层抽样（不是训练/测试拆分）？
[英]How to do a random stratified sampling with Python (Not a train/test split)?
如何对 PySpark Dataframe 中的两列进行分层抽样？
[英]How to do stratified sampling on two columns in PySpark Dataframe?
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.