Parameter "stratify" dari metode "train_test_split" (scikit Learn)

Saya mencoba menggunakan train_test_splitdari paket scikit Learn, tetapi saya mengalami masalah dengan parameter stratify. Selanjutnya kodenya:

from sklearn import cross_validation, datasets 

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

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

Namun, saya terus mendapatkan masalah berikut:

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])}

Apakah seseorang tahu apa yang sedang terjadi? Di bawah ini adalah dokumentasi fungsinya.

[...]

stratify : array-like atau None (default-nya adalah None)

Jika bukan None, data akan dibagi secara bertingkat, menggunakan ini sebagai larik label.

Baru di versi 0.17: stratify splitting

[...]

Scikit-Learn hanya memberi tahu Anda bahwa ia tidak mengenali argumen "bertingkat", bukan karena Anda menggunakannya secara tidak benar. Ini karena parameter ditambahkan pada versi 0.17 seperti yang ditunjukkan dalam dokumentasi yang Anda kutip.

Jadi, Anda hanya perlu memperbarui Scikit-Learn.

stratifyParameter ini melakukan pemisahan sehingga proporsi nilai dalam sampel yang dihasilkan akan sama dengan proporsi nilai yang diberikan pada parameter stratify.

Misalnya, jika variabel yadalah variabel kategorikal biner dengan nilai 0dan 1terdapat 25% dari nol dan 75% dari satu, stratify=yakan memastikan bahwa pemisahan acak Anda memiliki 25% dari 0dan 75% dari 1.

Untuk masa depan saya yang datang ke sini melalui Google:

train_test_splitsekarang masuk model_selection, maka:

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)

adalah cara menggunakannya. Pengaturan random_statediinginkan untuk reproduktifitas.

Dalam konteks ini, stratifikasi berarti bahwa metode train_test_split mengembalikan subset pelatihan dan pengujian yang memiliki proporsi label kelas yang sama dengan kumpulan data masukan.

Coba jalankan kode ini, "berfungsi":

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])