如何查看train_test_split划分后训练与测试集的各类样本数量？

你可以通过将独热编码标签转回原始类别，再统计各集合的类别分布来实现需求。以下是适配你现有代码的具体实现：

步骤说明 #

1. 还原原始类别标签：利用已初始化的MLB（MultiLabelBinarizer）的inverse_transform方法，把划分后的Y_train、Y_val、Y_test从独热编码格式转回原始类别。
2. 统计类别样本数：用pandas的统计函数分别计算训练集、验证集、测试集的各类样本数量。
3. 生成对比表格：合并统计结果，输出你需要的结构化表格。

具体代码 #

在你现有代码的最后（打印各集合shape之后）添加以下代码：

import pandas as pd

# 将独热编码转回原始类别（单标签场景下取每个结果的第一个元素）
train_labels = [label[0] for label in MLB.inverse_transform(Y_train)]
val_labels = [label[0] for label in MLB.inverse_transform(Y_val)]
test_labels = [label[0] for label in MLB.inverse_transform(Y_test)]

# 统计各集合的类别数量
train_counts = pd.Series(train_labels).value_counts().sort_index()
val_counts = pd.Series(val_labels).value_counts().sort_index()
test_counts = pd.Series(test_labels).value_counts().sort_index()

# 合并成对比表格，缺失类别填充0并转为整数
distribution_df = pd.DataFrame({
    '训练集样本数': train_counts,
    '验证集样本数': val_counts,
    '测试集样本数': test_counts
}).fillna(0).astype(int)

# 输出结果
print(distribution_df)

输出示例 #

运行后会得到类似如下的结构化表格：

补充说明 #

• 若未安装pandas，先执行pip install pandas完成安装。
• sort_index()用于让类别按你定义的classes顺序排列；fillna(0)处理某些类别在某集合中无样本的情况。

内容的提问来源于stack exchange，提问作者A. Gehani