机器学习（三）--关于分层采样的理解

分层采样的定义： 根据不同群体的比例在数据里通过比例进行采样，减少采样的误差，针对数据量过大时会显得没那么有意义，ps： 小数据量有必要，大数据没必要

举例：比如取100个学生里，70%个男生，30%个女生，取有没有收藏笔记本的爱好，如果随机采样，会
有偏差，但如果按比例来调查，70%的男生，30%的女生，会符合学校的学生特征。

data = np.array(range(10))
traget = array([0, 0, 0,0, 0, 0, 0, 1, 1, 1])
from sklearn.model_selection import StratifiedSuffldSplit as ss
split = ss(n_split = 5, test_size = 0.4, random_state = 42)
#采样的组数， 测试比例大小，随机数值

for train_index, test_index in split.split(X,Y):
	print(target[train_inde], target[test_index])
'''[1 0 0 1 0 0] [0 0 0 1]
...[1 0 0 0 1 0] [0 0 1 0]
...[0 0 1 0 0 1] [0 0 0 1]
...[0 0 0 1 0 1] [1 0 0 0]
...[0 0 1 1 0 0] [0 0 1 0]'''

• 首先定义为5组数据
• 测试数据0.2 10* 0.4 = 4个数据
• 训练数据 6个数据
• 接下来对每组分层采样
• 训练数据 /正值 = 6 * 3/10 = 9/5 = 2 四舍五入
• 负值 = 6 * 7/10 = 21/5 = 4
• 测试数据 4 * 3/10 = ·1 正数
• 负数 = 3

输出的数据比例也是2:4，1:3