使用 np.random.choice() 的样本数据

Question

我正在使用来自 sklearn 的 iris 数据集进行一些基本的预测建模。我将数据分成训练集和测试集，对于给定比例的列表，我想在不替换不同比例的训练数据的情况下进行抽样。我需要使用 np.random.choice 无法使用 df.sample

进行采样

但我正在做的采样似乎不正确。我将非常感谢任何见解。

import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
iris = load_iris()
props=[0.2,0.5,0.7,0.9]
df = pd.DataFrame(data= np.c_[iris['data'], iris['target']],
                    columns= iris['feature_names'] + ['target'])
y=df[list(df.loc[:,df.columns.values =='target'])]
X=df[list(df.loc[:,df.columns.values !='target'])]
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.3
                                       ,train_size=0.7)
for i in proportions:
   sampleX=np.random.choice(X_train, size=i, replace = False) #----> code to sample

Answer 1

您可以对索引进行采样：

props=[0.2,0.5,0.7,0.9]
for i in props:
    ix = np.random.choice(X_train.index, size=int(i*len(X_train)), replace = False)
    sampleX = X_train.loc[ix]

或者简单地使用二项式：

for i in props:
    sampleX = X_train.iloc[np.random.binomial(1,i,len(X))]