使用StratifiedShuffleSplit python时出错

Question

我不知道为什么在我的代码没有工作的时候，我确信它没关系

我试图使用简单的StratifiedShuffleSplit，但它不起作用

代码：

from sklearn.model_selection import StratifiedShuffleSplit

print(data_x.shape)`

（100,1）

print(data_y.shape)

（100,28）

考虑我的data_y是多y标签

stratified_split = StratifiedShuffleSplit(n_splits=2, test_size=0.33)
for train_index, test_index in stratified_split.split(data_x, data_y):
    x_train, x_test = data_x[train_index], data_x[test_index]
    y_train, y_test = data_y[train_index], data_y[test_index]

我明白了

错误：

  

ValueError：y中填充最少的类只有1个成员，这个成员太少了。任何类的最小组数不能少于2.`

有人可以帮助我吗？

python3.6 - anaconda

Answer 1

很显然，在将数据划分为训练和测试样本时，您犯了一个错误。

您可以通过设置StratifiedShuffleSplit()的参数来解决此问题，  为n_splits=classnum, test_size=testRatio,train_size=1-testRatio, random_state=0。

或者，您可以事先仔细尝试对训练和测试样本进行拆分，然后将其提供给StratifiedShuffleSplit()。

Answer 2

选中data.column_name.value_counts()，它将告诉您number of samples for a category。但是正如错误所说，您只有一个观察类别。并且如果category只有一个观察值，则应删除该观察值。保留一个不会有所作为，也不会为此category添加更多数据。