有時候我們會遇到調整后的模型反而不如調整前表現好的情況，這可能和數據的隨機分割有關系。在這個不平衡的數據情況下，最好用層化（stratification）的方法，比如：

from sklearn.cross_validation import StratifiedShuffleSplit

...
ssscv = StratifiedShuffleSplit( y_train, n_iter=10, test_size=0.1)
grid = GridSearchCV(clf, parameters, cv = ssscv , scoring=f1_scorer)
grid.fit( X_train, y_train )
...

轉載于:https://www.cnblogs.com/bettyty/p/6357907.html

總結

以上是生活随笔為你收集整理的层化（stratification）的方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。