python - Sklearn：仅从每个目标类中获取少量记录

问题描述

我有一个具有多类分类（3 个类）的大型数据集，我想获取数据的子样本，即获取属于每个类的 200 条记录，然后根据该数据，我想拆分数据。

假设 3 个类是cat, dog, cow. 我想对数据子集应用拆分，其中从每个类的大型数据集中选择 200 条记录，cat以训练 ML 模型。dogcow

猫 - 200 次观察
狗 - 200 次观察
奶牛 - 200 次观察

这是拆分数据的代码行：

# split data
X_train, X_test, y_train, y_test = train_test_split(X, y, stratify = y, test_size = 0.3, 
                                                          random_state = 42)

我怎样才能选择X，y这样每个班级都有 200 条记录？

标签： pythonpandasdataframescikit-learn

您可以groupby在“类”列中，然后您有几个选择：

如果您想随机选择 200 个，请使用sample聚合。
```
df.groupby('class').sample(200, random_state=42)
```
如果不需要改组，则只需要每个的前 200 个，使用head聚合。
```
df.groupby('class').head(200)
```

python - Sklearn：仅从每个目标类中获取少量记录

问题描述

解决方案

推荐阅读