训练测试拆分的类型

Question

谁能解释一下这两种不同类型的火车测试拆分。我知道第一个。我在某人的代码上看到的第二个。

train_text, temp_text, train_labels, temp_labels = train_test_split(df['text'], df['spam'], 
                                                                random_state=42, 
                                                                test_size=0.3, 
                                                                stratify=df['spam'])

df_train, df_valid = model_selection.train_test_split(
                                                   text, test_size=0.1, 
                                                    random_state=42, stratify=data.spam.values)

在第二个例子中，为什么这个人只取了 2 个变量而不是 4 个

Answer 1

根据this。如果您使用stratify，数据将使用分层的值作为分层方式的类标签进行拆分。这有助于班级分配。

如果是这样，因为在第一个和第二个示例中stratify 不是None，数据将被分层。

Answer 2

为什么这个人只取了 2 个变量而不是 4 个

原因是train_test_split 采用两种类型的参数——*arrays 和**options——并且：

• 在第一个示例中，*arrays 是 df['text'], df['spam']。其余论点（**options）与问题无关。因此，该函数接收两个数组 - df['text'] 和 df['spam']，并为两个数组中的每一个生成训练和测试拆分，因此它有 4 个结果。

• 在第二个示例中，仅提供了一个数组 - text，因此该函数仅返回两个结果 - text 的训练和测试拆分。

函数的文档说明它返回：

拆分：列表，长度=2 * len(数组) 包含输入的训练测试拆分的列表。