Cross_validation.train_test_split 中 stratify这个参数的意义是什么？

比单独使用train_test_split来划分数据更严谨

 

 

stratify是为了保持split前类的分布。比如有100个数据，80个属于A类，20个属于B类。如果train_test_split(... test_size=0.25, stratify = y_all), 那么split之后数据如下：
training: 75个数据，其中60个属于A类，15个属于B类。
testing: 25个数据，其中20个属于A类，5个属于B类。
用了stratify参数，training集和testing集的类的比例是 A：B= 4：1，等同于split前的比例（80：20）。通常在这种类分布不平衡的情况下会用到stratify。

这个参数sklearn的文档4中讲的不是太清楚

帮助文档

http://scikit-learn.org/stable/modules/generated/sklearn.cross_validation.train_test_split.html