不随机地将数据分成训练和测试
Split data into training and testing not randomly
我想将我的数据集分成两部分，75% 用于训练，25% 用于测试。有两个 class。
我还有另一个数据集，它只有一个 class 的一个实例，其余所有实例都属于第二个 class。
所以我不想随机拆分。我想确定，如果只有一个 class 的实例，它应该在训练中。任何想法如何去做。我知道我必须 select 索引，但我不知道如何。
现在，我正在这样做，select前 75% 作为训练，剩下的作为测试
train_data = df[:int((len(df)+1)*.75)]
test_data = df[int(len(df)*.75+1):]
您的数据集在输入方面会发生变化，还是始终保持相同数量的数据？如果是后者，您可以简单地将占总数 75% 的数字指定为 splice 方法的第二个参数。例如，如果您有 100 个项目，您将分配 train_data = df[0:75:] 和另一个 test_data = df[76:].
但没有模型或缩短的脚本，我认为我不能做更多。
试试这个：
train_data = df[:int(len(df) * .75)]
test_data = df[int(len(df) * .75)::int(len(df) * .25) - 1]
针对 10 个整数的列表进行测试时，它对我有用。
这可能会有所帮助：GroupKFold。在那里找到 sklearn 文档：
http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GroupKFold.html
您正在寻找分层训练和测试拆分：sklearn.model_selection.StratifiedKFold.html
我想将我的数据集分成两部分，75% 用于训练，25% 用于测试。有两个 class。 我还有另一个数据集，它只有一个 class 的一个实例，其余所有实例都属于第二个 class。 所以我不想随机拆分。我想确定，如果只有一个 class 的实例，它应该在训练中。任何想法如何去做。我知道我必须 select 索引，但我不知道如何。 现在，我正在这样做，select前 75% 作为训练，剩下的作为测试
train_data = df[:int((len(df)+1)*.75)]
test_data = df[int(len(df)*.75+1):]
您的数据集在输入方面会发生变化，还是始终保持相同数量的数据？如果是后者，您可以简单地将占总数 75% 的数字指定为 splice 方法的第二个参数。例如，如果您有 100 个项目，您将分配 train_data = df[0:75:] 和另一个 test_data = df[76:].
但没有模型或缩短的脚本，我认为我不能做更多。
试试这个：
train_data = df[:int(len(df) * .75)] test_data = df[int(len(df) * .75)::int(len(df) * .25) - 1]
针对 10 个整数的列表进行测试时，它对我有用。
这可能会有所帮助：GroupKFold。在那里找到 sklearn 文档：
http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GroupKFold.html
您正在寻找分层训练和测试拆分：sklearn.model_selection.StratifiedKFold.html