如何进行训练测试分割，以便Python中的每个类都有足够的训练和测试数据？

我有一个数据集，它有5个类，分布如下：

从分布中可以明显看出，类

1

的样本非常少

---

如何对这些数据进行训练测试分割，以便Python中的每个类别都有足够的训练和测试数据？

train\u test\u split

函数默认情况下在分割之前对数据集进行洗牌，除非您将

shuffle

参数值设置为False。我认为，如果

shuffle

为真，它可以确保数据集的训练部分将具有来自所有类别的值。此外，如果您希望训练测试分割的结果具有确定性，则可以使用

random\u state

参数。请参阅第页以了解更多信息。希望有帮助。

将

训练测试分割中的
分层参数设置为目标列

分层
将确保每个类平均分配

X\u系列，X\u测试，y\u系列，y\u测试=系列测试分割（X，y，测试大小=0.3，分层=y）
您可以获得每个类别的70%。。类似于
df.groupby（'category'）.apply（train\u test\u split，args=0.7，…）
的方法，在这里，您填写正确的参数，而不是
args
等。通常，当您执行
df.sample
时，它会随机对您的训练集进行采样。从理论上讲，这会给你相同的班级分布。也就是说，你总是可以多走一步，按照@rafaelc的建议去做。我认为你提供的答案不能满足OP的要求，因为
训练测试分割（…..，测试大小=0.2，shuffle=False）
不能确保从每个类中平均抽取样本。您可能会找到手动分割数据的方法，方法是正确地分割数据，然后将数据馈送到NN或在NN上使用ML。由于每个类别的训练样本大小可能不同，因此不可能每个场景都从每个类别中平均分割训练数据集。我提到，它将确保从每个类别中至少抽取一些我并不意味着平等的样本。谢谢。@RubelHassan既然您接受了这样一个事实，即由于每个类别的训练样本的大小可能不同，可能不可能每个场景都从每个类别中平均分割训练数据集，那么它如何回答OP的问题呢？请注意，这个问题与一个称为不平衡数据的概念有关。因此，它建议要么修改建议的答案，要么删除它，以免被否决。@mnm OP的问题是，我如何对这些数据进行训练测试分割，以便在Python中的每个类别中都有足够的训练和测试数据？你能看到他在哪里要求平等吗。