StratifiedKFold

StratifiedKFold是一种交叉验证的方法，在KFold的基础上加入了分层抽样的思想。它可以保证训练集和测试集的数据分布相同，因此在算法上更加可靠。使用StratifiedKFold时，需要同时输入数据和标签，以便统一训练集和测试集的分布。StratifiedKFold会将数据集分成k等分，然后依次选取其中一份作为测试集，剩下的k-1份作为训练集。

下面是一个示例代码，演示了如何使用StratifiedKFold：

from sklearn.model_selection import StratifiedKFold
import numpy as np

X = np.array([[1,2,3,4], [11,12,13,14], [21,22,23,24], [31,32,33,34], [41,42,43,44], [51,52,53,54], [61,62,63,64], [71,72,73,74]])
y = np.array([1,1,0,0,1,1,0,0])

sfolder = StratifiedKFold(n_splits=4, random_state=0)
for train, test in sfolder.split(X, y):
    print('Train: %s | Test: %s' % (train, test))