python - 当数据不平衡时，将数据拆分为测试训练数据

Question

我有一个不平衡的数据集，它有两个分类值。一个有大约 500 个特定类的值，另一个只有一个数据点和另一个类。现在我想将这些数据分成 80-20 比率的测试列车。但由于这是不平衡的，我希望在测试和训练数据中都出现第二类。我尝试使用 sklearn 的 test-train-split，但它并没有给出二类数据存在于它们中。我什至尝试了分层洗牌拆分，但这也没有像我想的那样给出数据。有什么方法可以从数据框中拆分数据，强制测试和训练数据集都具有单个数据点？我是 python 新手，所以很难弄清楚。

数据看起来像：

abcd 标签

1 0 0 1 1

1 1 1 0 1

…………………………………………………………………………………………………………

1 0 0 1 0。

标签只有 1 和 0，但 0 只是一个单一的观察值，但其余 500 个数据点的标签为 1

标签： pythonmachine-learning

Answer 1

根据您提供的信息，我建议您对数据进行下采样/过采样，以便为两个类赋予相同的权重，然后根据需要拆分数据集。看看这个库，它公开了不同的算法来处理 python 中的不平衡数据