python-3.x - 非随机地将数据拆分为训练和测试

Question

我想将数据集分成两部分，75% 用于训练，25% 用于测试。有两个类。我有另一个数据集，其中只有一个类的一个实例，其余所有实例都属于第二类。所以我不想随机分割。我想确保，如果一个类只有一个实例，那么它应该处于训练中。任何想法如何去做。我知道我必须选择索引，但我不知道如何选择。现在，我正在这样做，选择前 75% 作为训练，剩下的作为测试

train_data = df[:int((len(df)+1)*.75)] 
test_data = df[int(len(df)*.75+1):] 

Answer 1

这可能会有所帮助:GroupKFold。在那里找到 sklearn 文档:

http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GroupKFold.html