将数据集拆分为训练和测试数据，保持比例
Splitting data set into training and test data, keeping the ratio
我有 Iris 数据集（可在此处找到：https://www.kaggle.com/uciml/iris），我应该将其分成测试集和训练集。但是，我需要拆分它，以便训练和测试集中的 class 分布与完整数据集中的分布相同。
我看到了这个问题的最佳答案： 但由于我对数据科学和 python 都是新手，所以我很迷茫。
对于 Iris 数据集，前 50 行是一种花，接下来的 50 行是第二种花，最后 50 行是第三种花。我该如何写才能得到例如。每三分之一的 50% 测试数据？在上面链接的问题中，我真的无法理解他们在哪里以及如何做到这一点。如果您能像对 child 那样解释这一点，我将不胜感激。
x_train 是否代表了花的 4 个不同特征以及 y_train 我们拥有的花的种类？
提前致谢！
编辑：我试过了
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.5, random_state=65)
但这样做公平吗？我选择了不同数量的随机状态，直到我在测试和训练集中得到了每种花类型的 25 个（它总是在 1/3 左右，但我得到了 65 个）。这感觉有点像作弊......
你可以在这里使用StratifiedKFold：
http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.StratifiedKFold.html
另外，train_test_split 有 stratify 参数：
http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html#sklearn.model_selection.train_test_split
如果您需要举例说明，请联系我。
sklearn.model_selection.train_test_split
有 shuffle 和 stratify 个参数。
默认 shuffle = True 和 stratify=None
如果您正在处理回归，train_test_split 默认情况下会为您打乱数据。
如果是处理分类，需要指定stratify = << your response variable >>
更多信息请查看documentation
谢谢
我有 Iris 数据集（可在此处找到：https://www.kaggle.com/uciml/iris），我应该将其分成测试集和训练集。但是，我需要拆分它，以便训练和测试集中的 class 分布与完整数据集中的分布相同。
我看到了这个问题的最佳答案：
对于 Iris 数据集，前 50 行是一种花，接下来的 50 行是第二种花，最后 50 行是第三种花。我该如何写才能得到例如。每三分之一的 50% 测试数据？在上面链接的问题中，我真的无法理解他们在哪里以及如何做到这一点。如果您能像对 child 那样解释这一点，我将不胜感激。
x_train 是否代表了花的 4 个不同特征以及 y_train 我们拥有的花的种类？
提前致谢！
编辑：我试过了
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.5, random_state=65)
但这样做公平吗？我选择了不同数量的随机状态，直到我在测试和训练集中得到了每种花类型的 25 个（它总是在 1/3 左右，但我得到了 65 个）。这感觉有点像作弊......
你可以在这里使用StratifiedKFold： http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.StratifiedKFold.html
另外，train_test_split 有 stratify 参数： http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html#sklearn.model_selection.train_test_split
如果您需要举例说明，请联系我。
sklearn.model_selection.train_test_split
有 shuffle 和 stratify 个参数。
默认 shuffle = True 和 stratify=None
如果您正在处理回归，train_test_split 默认情况下会为您打乱数据。
如果是处理分类，需要指定stratify = << your response variable >>
更多信息请查看documentation
谢谢