Python Sklearn.StratifiedShuffleSplit()用法及代码示例

在本文中，我们将从sklearn库中了解StratifiedShuffleSplit交叉验证器，该验证器提供train-test索引以将数据分为train-test集。

什么是StratifiedShuffleSplit？

分层洗牌拆分是ShuffleSplit和StratifiedKFold的组合。使用StratifiedShuffleSplit，训练和测试数据集之间的类标签分布比例几乎相等。 StratifiedShuffleSplit和StratifiedKFold(shuffle = True)之间的主要区别在于，在StratifiedKFold中，数据集仅在开始时被随机洗一次，然后分成指定的折叠数。这将丢弃train-test集重叠的任何机会。但是，在StratifiedShuffleSplit中，每次在拆分完成之前都会对数据进行混洗，这就是为什么在train-test集之间有更大可能重叠的原因。

用法：sklearn.model_selection.StratifiedShuffleSplit(n_splits=10, *, test_size=None, train_size=None, random_state=None)

参数：

n_splits:int，默认= 10

re-shuffling和拆分迭代的次数。

test_size:float或int，默认为None

如果为float，则应在0.0到1.0之间，并且代表要包含在测试拆分中的数据集的比例。

train_size:float或int，默认为None

如果为float，则应在0.0到1.0之间，并且代表要包含在火车分割中的数据集的比例。

random_state:整型

控制所产生的训练和测试指标的随机性。

下面是实现。

步骤1)导入所需的模块。

Python3

# import the libraries 
import pandas as pd 
from sklearn.ensemble import RandomForestClassifier 
from sklearn import preprocessing 
from sklearn.metrics import accuracy_score 
from sklearn.model_selection import StratifiedShuffleSplit

步骤2)加载数据集并标识因变量和自变量。

数据集可从此处下载。

Python3

# convert data set into dataframe 
churn_df = pd.read_csv(r"ChurnData.csv") 
  
# assign dependent and indepenedent variables 
X = churn_df[['tenure', 'age', 'address', 'income', 
              'ed', 'employ', 'equip',   'callcard', 'wireless']] 
  
y = churn_df['churn'].astype('int')

步骤3)预处理数据。

Python3

# data pre-processing 
X = preprocessing.StandardScaler().fit(X).transform(X)

步骤4)创建StratifiedShuffleSplit类的对象。

Python3

# use StratifiedShuffleSplit() 
sss = StratifiedShuffleSplit(n_splits=4, test_size=0.5, 
                             random_state=0) 
sss.get_n_splits(X, y)

输出：

步骤5)调用实例并将数据帧分为训练样本和测试样本。 split()函数返回train-test个样本的索引。使用回归算法并比较每个预测值的准确性。

Python3

scores = [] 
  
# using regression to get predicted data 
rf = RandomForestClassifier(n_estimators=40, max_depth=7) 
for train_index, test_index in sss.split(X, y):
    X_train, X_test = X[train_index], X[test_index] 
    y_train, y_test = y[train_index], y[test_index] 
    rf.fit(X_train, y_train) 
    pred = rf.predict(X_test) 
    scores.append(accuracy_score(y_test, pred)) 
  
# get accurracy of each prediction 
print(scores)

输出：

注：本文由纯净天空筛选整理自 Sklearn.StratifiedShuffleSplit() function in Python。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。