我有一个5类数据。每班有大约1000,1200,1500,1900,2000个样本。我想在训练数据中有200个每个类的例子。其他样品将成为测试数据。也就是说,训练数据将包括每个类别中的[200,200,200,200,200,200]个样本,测试数据将由每个类别中的[800,1000,1300,1700,1800]样本组成。将分区数据集拆分为训练和测试(训练数据每个类有200个示例)
我们如何在Python中做到这一点?是否有任何预定义的方法/包在Python中执行此操作?
另一个例子
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,我希望它是这样的:
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
你到现在为止做了什么? – Kshitiz
我使用Google搜索,但找不到有效的解决方案。 'train_test_split'函数中的'train_size'参数不是解决方案。如果“int”是,则自动计算百分比。 –
如果int是自动计算的,则百分比是什么意思? – Kshitiz