主动学习数据集划分

此代码在20次循环里通过样本idx将数据集划分为三部分测试集、未标注样本、已标注样本每个类至少有一个已标注样本df pd.read_csv(datasets/Automobile.csv, headerNone) X df.iloc[:, :-1].to_numpy() y df.iloc[:, -1].to_numpy() TEST_SIZE 0.3 UNLABELED_SIZE 0.85 # 未标注池占非测试部分的比例较大 for split_i in range(20): print(f 第 {split_i} 次循环) seed 42 split_i * 100 rng np.random.default_rng(seed) # 1) 分层抽测试集 sss StratifiedShuffleSplit(n_splits1, test_sizeTEST_SIZE, random_stateseed) rest_idx, test_idx next(sss.split(X, y)) y_rest y[rest_idx] X_test , y_test X[test_idx] , y[test_idx] # 2) 每个类别至少 1 个放入 labeled classes np.unique(y_rest) one_per_class [rng.choice(np.where(y_rest c)[0], size1)[0] for c in classes] # 3) 余下部分按比例抽 unlabeled其余全归 labeled remaining np.setdiff1d(np.arange(len(y_rest)), one_per_class) #生成剩余数组下标 n_unlabeled max(1, int(len(remaining) * UNLABELED_SIZE)) unlabeled rng.choice(remaining, sizen_unlabeled, replaceFalse) labeled np.setdiff1d(np.arange(len(y_rest)), unlabeled)