在没有 train_test_split 洗牌的情况下对数据进行分层
stratify data without train_test_split shuffle
我正在尝试 binary_classification 股市数据。
既然是时间序列数据，我不想打乱数据。
我会在不打乱数据的情况下对数据进行分层。
sklearn train_test_split 分层仅在设置为 shuffle=True 时有效。
[参见 documentation: If shuffle=False then stratify must be None.]
还有其他选择吗？
注意：我的模型使用了 xgboost 算法。
另请注意：我不想使用 train_test_split 功能。我已经像这样手动完成了。
train_df = df.iloc[0: math.floor(9 * len(df)/10)]
test_df = df.iloc[math.floor(9 * len(df)/10):]
您尝试过使用 StratifiedKFold 吗？
你可以给超参数 shuffe =Flase
它将以折叠数
生成训练和测试数据的索引
这是文档link
这可能有帮助
我正在尝试 binary_classification 股市数据。
既然是时间序列数据，我不想打乱数据。
我会在不打乱数据的情况下对数据进行分层。
sklearn train_test_split 分层仅在设置为 shuffle=True 时有效。
[参见 documentation: If shuffle=False then stratify must be None.]
还有其他选择吗？
注意：我的模型使用了 xgboost 算法。
另请注意：我不想使用 train_test_split 功能。我已经像这样手动完成了。
train_df = df.iloc[0: math.floor(9 * len(df)/10)]
test_df = df.iloc[math.floor(9 * len(df)/10):]
您尝试过使用 StratifiedKFold 吗？
你可以给超参数 shuffe =Flase
它将以折叠数
这是文档link
这可能有帮助