sklearn StratfiedShuffleSplit

Question

有人可以帮助我了解StratifiedShuffleSplit的功能吗？我是这个图书馆的新手。我了解分层采样背后的原理，但是就代码而言，StratifiedShuffleSplit函数返回的确切信息是什么？

我正在阅读的书包含以下代码，但是我没有完全遵循。该函数是否确实在数据帧上添加了一个区分测试和训练的索引，这就是为什么他们随后使用.loc的原因？究竟将Income_cat列作为拆分依据是什么？谢谢！

from sklearn.model_selection import StratifiedShuffleSplit

split = StratifiedShuffleSplit(n_splits=1, test_size=0.2, random_state=42)

for train_index, test_index in split.split(housing, housing["income_cat"]):
    strat_train_set = housing.loc[train_index]
    strat_test_set = housing.loc[test_index]

Answer 1

  

该函数是否确实在数据框上添加了一个索引   区分测试和训练，这就是为什么   使用.loc？

它没有添加索引，索引已经存在，但是是的，该函数基本上会返回索引的拆分，以便您可以使用.loc

进行调用

  

将incidence_cat列拆分的确切含义是什么？

分层随机拆分的想法是，对于每个拆分，它将标签的原始分布保留在y中。