split - 可以使用 Julia 0.6 使用具有相同类别百分比的 kfolds 拆分数据集吗？

Question

在 Julia 0.6 中，是否可以使用具有相同类百分比的 kfold 拆分数据集？我的意思是，如果我有蓝色、红色和绿色三个类，我希望每个 k 折对每个类都有相同的观察数（或非常接近）。比如蓝色为 20%，绿色为 20%，红色为 20%。

我在用着

folds = kfolds((Xtrain,Ttrain),k=7)
(xtreino1,ytreino1), (xvali1,yvali1) = folds[1]

但它不会为每个类返回相同数量的观察值。

标签： splitdatasetjuliacross-validation

Answer 1

该MLBase包具有StratifiedKfold交叉验证策略：

julia> collect(StratifiedKfold([:a, :a, :a, :b, :b, :c, :c, :a, :b, :c], 3))
3-element Array{Any,1}:
 [1,2,4,6,8,9,10]
 [3,4,5,7,8,10]
 [1,2,3,5,6,7,9]

返回的数组应该用作原始数据的索引。