时间戳

首页 > 解决方案 > 用于具有阈值的多输出图像分类的拆分数据集

python - 用于具有阈值的多输出图像分类的拆分数据集

问题描述

我使用 sklearn.model_selection 中的 StratifiedShuffleSplit 来拆分数据集。但这仅适用于 1 个标签。那么如何对两个标签进行分层拆分，并为每个标签中的每个类中的样本数添加一个阈值呢？对不起，我的英语不好。

from sklearn.model_selection import StratifiedShuffleSplit
split = StratifiedShuffleSplit(n_splits=1, test_size=val_size, random_state=42)
for train_index, val_index in split.split(tdf, tdf['layout']):
    train_df = tdf.loc[train_index]
    val_df = tdf.loc[val_index]

标签： pythonscikit-learnsplit

解决方案

您能否详细说明（在每个班级的每个标签中）？

此 API 可用于确保训练集和测试集在每个类中具有示例比例。换句话说，我们用它来确保我们在训练和测试集中都有来自每个类的样本。它不处理不平衡类的问题，这是另一个问题。

如果您的意思是 1 个类乘 1 个标签，那么您需要在拆分前检查类数

tdf['layout'].nunique()

输出应该是：2

此外，在您的代码中，您只拆分独立功能（输入）而不拆分输出/目标（在您的情况下：tdf['layout]）

添加这行代码：

y_train, y_val = tdf['layout][train_index], tdf['layout][val_index]

此外，只需确保从 tdf 中删除了“布局”列

推荐阅读