分类模型训练：数据集拆分时ValueError错误的原因咨询

错误到底说的啥？ #

这个错误直白得很：你要拆分出来的测试集样本数是9，但你的数据集一共有11个类别。用stratify做分层抽样的时候，要求每个类别在测试集里至少得有1个样本对吧？那9个样本要分给11个类别，肯定有至少2个类别分不到样本，这分层抽样根本做不了，所以Python就直接给你报错了。

你的代码哪里出问题了？ #

看你拆分测试集的这行代码：

_, X_test, _, y_test = train_test_split(filtered_features_FM_T, y_T_Cat, stratify=y_T_Cat)

你没指定test_size，train_test_split默认会拿总样本的20%当测试集。问题就出在你的测试数据集filtered_features_FM_T总样本量太小了——20%算下来只有9个样本，可类别却有11个，这不就撞车了嘛。

怎么解决？ #

给你几个靠谱的方向：

• 调大测试集的大小：如果测试数据集总样本够的话，直接指定test_size为至少11，比如：

  _, X_test, _, y_test = train_test_split(filtered_features_FM_T, y_T_Cat, test_size=11, stratify=y_T_Cat)
  

  要是总样本数够多，也可以用比例，比如test_size=0.3，只要算出来的样本数≥11就行。
• 暂时去掉分层抽样：如果只是临时跑个测试，不在乎类别分布的话，可以删掉stratify=y_T_Cat参数。但注意哈，这样测试集的类别分布可能和整体差很多，正式评估的时候别这么干。
• 检查测试数据集本身：如果你的测试集样本量本来就比类别数还少，那这个数据集可能根本不适合做测试——要么补点测试样本，要么把相似的类别合并一下，减少类别总数。

内容的提问来源于stack exchange，提问作者Momo