参数 stratify=y 在训练集和测试集划分中的作用！！

参数 stratify=y 在训练集和测试集划分中非常关键，尤其是在分类任务中。

✅ stratify=y 的意思：

在划分训练集和测试集时，保持各类别在训练集和测试集中的“比例一致”。

换句话说，它会让划分后的每个子集中，各类别的样本比例和原始数据中是一样的，避免某个类别在训练或测试集中比例失衡。

🧪 举个例子更直观：

假设你原始数据中共有 1000 条样本，其中：

• 类别 0 有 600 个
• 类别 1 有 300 个
• 类别 2 有 100 个

如果你这样写：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

则划分后，测试集中可能会出现“类别 2 只有几条”甚至没有的极端情况，类别分布会随机、不均衡。

✅ 而如果你这样写：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, stratify=y)

那么划分后：

• 训练集和测试集中仍然保持 60%：30%：10% 的类别比例，
• 这样训练时不会偏向多数类，测试评估也更公平。

🧠 总结：