"ट्रेन_टैस्ट_प्लिट" विधि से पैरामीटर "स्तरीकृत" (डरावना सीखें)

Question 1

मैं train_test_splitपैकेज स्किकिट लर्न से उपयोग करने की कोशिश कर रहा हूं , लेकिन मुझे पैरामीटर के साथ परेशानी हो रही है stratify। इसके बाद कोड है:

from sklearn import cross_validation, datasets 

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

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

हालाँकि, मुझे निम्न समस्या हो रही है:

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])}

क्या किसी को अंदाजा है कि क्या चल रहा है? नीचे फ़ंक्शन प्रलेखन है।

[...]

स्तरीकरण : सरणी-जैसा या कोई नहीं (डिफ़ॉल्ट कोई नहीं है)

यदि कोई नहीं है, तो डेटा एक स्तरीकृत फैशन में विभाजित है, इसका उपयोग लेबल सरणी के रूप में किया जाता है।

संस्करण 0.17 में नया: विभाजन को विभाजित करें

[...]

Question 2

स्किकिट-लर्न सिर्फ आपको बता रहा है कि यह "स्तरीकृत" तर्क को नहीं पहचानता है, न कि आप इसे गलत तरीके से उपयोग कर रहे हैं। ऐसा इसलिए है क्योंकि पैरामीटर को 0.17 संस्करण में जोड़ा गया था जैसा कि आपके द्वारा उद्धृत प्रलेखन में दर्शाया गया है।

तो आपको बस Scikit-Learn को अपडेट करना होगा।

Question 3

यह stratifyपैरामीटर एक विभाजन बनाता है ताकि उत्पादित नमूने में मूल्यों का अनुपात पैरामीटर को प्रदान किए गए मूल्यों के अनुपात के समान हो stratify।

उदाहरण के लिए, यदि चर yमूल्यों के साथ एक द्विआधारी स्पष्ट चर रहा है 0और 1और शून्य का 25% और लोगों के 75% देखते हैं, stratify=yसुनिश्चित करें कि आपके यादृच्छिक विभाजन का 25% है कर देगा 0की और से 75% 1की।

Question 4

मेरे भविष्य के लिए जो Google के माध्यम से यहां आता है:

train_test_splitअब में है model_selection, इसलिए:

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)

इसका उपयोग करने का तरीका है। random_stateप्रतिलिपि प्रस्तुत करने योग्यता के लिए वांछित सेट करना ।

Question 5

इस संदर्भ में, स्तरीकरण का अर्थ है कि train_test_split विधि प्रशिक्षण और परीक्षण उपशीट लौटाती है जिसमें इनपुट डेटासेट के रूप में वर्ग लेबल के समान अनुपात होते हैं।

Question 6

इस कोड को चलाने का प्रयास करें, यह "बस काम करता है":

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])