sklearn.model_selection.StratifiedKFold

sklearn.model_selection.StratifiedKFold

class sklearn.model_selection.StratifiedKFold(n_splits=5, *, shuffle=False, random_state=None)

StratifiedKFold是k-fold的变种，会返回Stratified（分层）的折叠；每个小集合中，各个类别的样例比例大致和完整数据集中相同。

参数：
n_splits:int, default=5 表示把数据划分成几等分
shuffle:bool, default=False 在每次划分时，是否进行洗牌

• 当shuffle为True，random_state会影响索引的顺序，每次划分的结果会不一样
  random_stateint or RandomState instance, default=None :随机种子数`

>>> from sklearn.model_selection import StratifiedKFold

>>> X = np.ones(10)
>>> y = [0, 0, 0, 0, 1, 1, 1, 1, 1, 1]
>>> skf = StratifiedKFold(n_splits=3)
>>> for train, test in skf.split(X, y):
...     print("%s  %s" % (train, test))
[2 3 6 7 8 9] [0 1 4 5]
[0 1 3 4 5 8 9] [2 6 7]
[0 1 2 4 5 6 7] [3 8 9]
1
2
3
4
5
6
7
8
9
10

参考：
sklearn中文文档：http://scikitlearn.com.cn/0.21.3/30/#31221-k
StratifiedKFold和KFold生成交叉验证数据集的区别:https://blog.csdn.net/MsSpark/article/details/84455402