train_test_split 和 StratifiedShuffleSplit 之间的区别
Differnce between train_test_split and StratifiedShuffleSplit
我在试图找出 train_test_split 和 StratifiedShuffleSplit 之间的区别时遇到了以下语句。
When stratify is not None train_test_split uses StratifiedShuffleSplit internally,
我只是想知道为什么当我们可以使用 train_test_split 中可用的 stratify 参数时使用 sklearn.model_selection 中的 StratifiedShuffleSplit。
主要是为了复用性而做的。 train_test_split 没有复制已经为 StratifiedShuffleSplit 实现的代码，而是调用 class。
同理，当stratify=False时，它使用model_selection.ShuffleSplitclass（见source code）。
请注意，复制代码被认为是一种不好的做法，因为它假设会增加维护成本，但也被认为容易出现缺陷，因为对重复代码的不一致更改可能会导致意外行为。如果您想了解更多信息，请点击 reference。
此外，尽管它们执行相同的任务，但它们不能总是在相同的上下文中使用。例如，train_test_split 不能在带有 sklearn.model_selection.RandomizedSearchCV 或 sklearn.model_selection.GridSearchCV 的随机或网格搜索中使用。
StratifiedShuffleSplit 会。原因是前者不是“可迭代的屈服（训练，测试）拆分为索引数组”。虽然后者有一个方法 split yields (train, test) splits as array of indices。
更多信息 here（参见参数 cv）。
我在试图找出 train_test_split 和 StratifiedShuffleSplit 之间的区别时遇到了以下语句。
When
stratifyis not None train_test_split usesStratifiedShuffleSplitinternally,
我只是想知道为什么当我们可以使用 train_test_split 中可用的 stratify 参数时使用 sklearn.model_selection 中的 StratifiedShuffleSplit。
主要是为了复用性而做的。 train_test_split 没有复制已经为 StratifiedShuffleSplit 实现的代码，而是调用 class。
同理，当stratify=False时，它使用model_selection.ShuffleSplitclass（见source code）。
请注意，复制代码被认为是一种不好的做法，因为它假设会增加维护成本，但也被认为容易出现缺陷，因为对重复代码的不一致更改可能会导致意外行为。如果您想了解更多信息，请点击 reference。
此外，尽管它们执行相同的任务，但它们不能总是在相同的上下文中使用。例如，train_test_split 不能在带有 sklearn.model_selection.RandomizedSearchCV 或 sklearn.model_selection.GridSearchCV 的随机或网格搜索中使用。
StratifiedShuffleSplit 会。原因是前者不是“可迭代的屈服（训练，测试）拆分为索引数组”。虽然后者有一个方法 split yields (train, test) splits as array of indices。
更多信息 here（参见参数 cv）。