StratifiedShuffleSplit的用法和参数

StratifiedShuffleSplit是Scikit-learn库中的一个分层抽样函数，用于将样本集按照指定比例进行分层抽样。它的主要参数有：

- n_splits：表示将数据集分成多少份，默认为10。

- test_size：表示测试集的比例，默认为0.1。

- train_size：表示训练集的比例，默认为None，即剩下的部分。

- random_state：随机数种子，默认为None。

- shuffle：表示是否在分层抽样前对数据进行随机打乱，默认为True。

- stratify：表示按照指定的标签进行分层抽样，默认为None。

下面是一个使用StratifiedShuffleSplit进行分层抽样的示例代码：

from sklearn.model_selection import StratifiedShuffleSplit

# 假设有一个数据集data和对应的标签labels
split = StratifiedShuffleSplit(n_splits=1, test_size=0.2, random_state=42)
for train_index, test_index in split.split(data, labels):
    strat_train_set = data[train_index]
    strat_test_set = data[test_index]

上述代码将数据集按照标签进行分层抽样，抽样比例为0.2，随机数种子为42。最终得到的分层抽样结果为strat_train_set和strat_test_set。