创建两个数据子集，以便每个子集具有相等比例的类

Question

我有一个python和机器学习的初学者。我有30k +观测值的数据集，而且高度不平衡。我必须创建两个数据子集，以使第一个子集包含92％的成功记录和8％的失败记录，并且同样适用于第二个子集，因为这两个集合占整个数据集的70-30。

len（data）= 30k

subset1 = 30k的70％，其中包含（92％的成功记录和8％的失败记录）

subset1 = 30k的30％，其中包含（92％的成功记录和8％的失败记录）

这是用于二进制分类。这些子集1和子集2将根据业务用于训练和测试数据集。

Answer 1

在无法访问数据集的情况下，我可以为您提供一些指导，以实现此目的，

• 将原始数据帧（df）分为成功（df_s）和失败记录（df_f）
• df1和df2各自包含df中的15,000条记录
• 使用pandas.DataFrame.Sample()从df_s中提取0.92条记录，并从df_f中提取0.8条记录，并将它们放入df1中。
• df_s中剩下的东西和df_f都进入df2（注意：您可能需要根据数据来进行最后一步操作）