將分區數據集拆分爲訓練和測試（訓練數據每個類有200個示例）

Question

我有一個5類數據。每班有大約1000,1200,1500,1900,2000個樣本。我想在訓練數據中有200個每個類的例子。其他樣品將成爲測試數據。也就是說，訓練數據將包括每個類別中的[200,200,200,200,200,200]個樣本，測試數據將由每個類別中的[800,1000,1300,1700,1800]樣本組成。

我們如何在Python中做到這一點？是否有任何預定義的方法/包在Python中執行此操作？

另一個例子

train_test_split(data, labels, train_size=0.0042) Label Number Total Samples Train Samples Test Samples 1 6631 33 6598 2 18649 89 18560 3 2099 6 2093 4 3064 11 3053 5 1345 5 1340 6 5029 26 5003 7 1330 3 1327 8 3682 21 3661 9 947 6 941 Total 42776 200 42576

train_test_split(data, labels, train_size=) Label Number Total Samples Train Samples Test Samples 1 6631 33 6598 2 18649 89 18560 3 2099 6 2093 4 3064 11 3053 5 1345 5 1340 6 5029 26 5003 7 1330 3 1327 8 3682 21 3661 9 947 6 941 Total 42776 200 42576

所以，我希望它是這樣的：

Label Number Total Samples Train Samples Test Samples 1 6631 200 6431 2 18649 200 18449 3 2099 200 1899 4 3064 200 2864 5 1345 200 1145 6 5029 200 4829 7 1330 200 1130 8 3682 200 3482 9 947 200 747 Total 42776 1800 40976

Answer 1

您可以將sklearn.model_selection.train_test_split的train_size參數設置爲一個整數值，表示列車樣本的絕對數量，200。如果它是一個浮點數，它應該介於0.0到1.0之間以表示您想要考慮的訓練樣本的比例。例如，0.8意味着80％。