Question

我使用了70到30个平衡的数据集，并尝试使用train_test_split sklearn函数进行分层训练/测试。它可以在python 3.5中按预期工作，但在3.7中却不能。

有一些我正在复制的代码：

import numpy as np
from sklearn.model_selection import train_test_split

data = np.random.rand(1000000).reshape(100000, 10)

y_0 = [0]*30000
y_1 = [1]*70000
y_2 = y_0 + y_1

x_train, x_test, y_train, y_test = train_test_split(data, y_2, test_size=0.2, random_state=0, stratify=y_2)

print('Train set size : {}'.format(len(y_train)))
print('Value 1 repartition in train set : {}'.format(sum(y_train)/len(y_train)))
print('Test set size : {}'.format(len(y_test)))
print('Value 1 repartition in test set : {}'.format(sum(y_test)/len(y_test)))

输出Python 3.7：

Train set size : 24102
Value 1 repartition in train set : 0.5414903327524687
Test set size : 20000
Value 1 repartition in test set : 0.53775

输出Python 3.5：

Train set size : 80000
Value 1 repartition in train set : 0.7
Test set size : 20000
Value 1 repartition in test set : 0.7

库3.7版：

Python 3.7.2
    numpy==1.16.1
    pandas==0.24.1
    python-dateutil==2.8.0
    pytz==2018.9
    scikit-learn==0.20.2
    scipy==1.2.1
    six==1.12.0

库版本3.5：

Python 3.5.1
    numpy==1.16.1
    pandas==0.24.1
    python-dateutil==2.8.0
    pytz==2018.9
    scikit-learn==0.20.2
    scipy==1.2.1
    six==1.12.0

Answer 1

此类问题可能与处理器体系结构有关。请检查两个Python版本是否具有相同的体系结构（32位或64位）。

Sklearn train_test_split（）使用python 3.7分层奇怪的行为

1 个答案: