Sklearn train_test_split() 使用 python 3.7

Question

我使用了一个 70-30 平衡的数据集，并尝试使用 train_test_split sklearn 函数在训练/测试中将其拆分为分层。它在 python 3.5 中按预期工作，但在 3.7 中却不是。

有我用来重现的代码：

import numpy as np

from sklearn.model_selection import train_test_split

data = np.random.rand(1000000).reshape(100000, 10)

y_0 = [0]*30000

y_1 = [1]*70000

y_2 = y_0 + y_1

x_train, x_test, y_train, y_test = train_test_split(data, y_2, test_size=0.2, random_state=0, stratify=y_2)

print('Train set size : {}'.format(len(y_train)))

print('Value 1 repartition in train set : {}'.format(sum(y_train)/len(y_train)))

print('Test set size : {}'.format(len(y_test)))

print('Value 1 repartition in test set : {}'.format(sum(y_test)/len(y_test)))

输出 Python 3.7：

Train set size : 24102

Value 1 repartition in train set : 0.5414903327524687

Test set size : 20000

Value 1 repartition in test set : 0.53775

输出 Python 3.5：

Train set size : 80000

Value 1 repartition in train set : 0.7

Test set size : 20000

Value 1 repartition in test set : 0.7

库版本 3.7：

Python 3.7.2

    numpy==1.16.1

    pandas==0.24.1

    python-dateutil==2.8.0

    pytz==2018.9

    scikit-learn==0.20.2

    scipy==1.2.1

    six==1.12.0

库版本 3.5：

Python 3.5.1

    numpy==1.16.1

    pandas==0.24.1

    python-dateutil==2.8.0

    pytz==2018.9

    scikit-learn==0.20.2

    scipy==1.2.1

    six==1.12.0

Answer 1

这种问题可能与处理器架构有关。请检查您的 Python 版本是否具有相同的架构（32 位或 64 位）。