python 分层测试集训练集

可以使用sklearn库中的train_test_split方法来将数据集分割成训练集和测试集。

from sklearn.model_selection import train_test_split

# X是样本特征矩阵，y是样本标签向量
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

其中，test_size表示测试集所占比例，random_state表示随机种子，保证每次运行结果一致。

如果数据集有多层结构，可以按照需要进行分层抽样，例如按照标签分层、按照数据集来源分层等。可以使用StratifiedShuffleSplit方法来实现分层抽样，并指定每层所占比例。

from sklearn.model_selection import StratifiedShuffleSplit

# X是样本特征矩阵，y是样本标签向量
split = StratifiedShuffleSplit(n_splits=1, test_size=0.2, random_state=42)
for train_index, test_index in split.split(X, y):
    X_train = X[train_index]
    y_train = y[train_index]
    X_test = X[test_index]
    y_test = y[test_index]

以上代码实现了按照样本标签进行分层抽样，保证训练集和测试集中各类样本的比例相同。