问题描述
全部
我正在基于预测默认值进行项目。我有3个国家/地区的数据，摩洛哥，西班牙和印度，并且每个国家/地区的非违约者比率都不同：违约者。我想训练这些数据的样本（合并），但也要考虑到按国家/地区划分的数据具有不同程度的失衡。
如果我要去一个国家采样，我将使用分层采样。但是我又如何考虑国家呢？例如下面我将所有数据结合起来，然后进行分层抽样。但是在我得出的样本中，例如，西班牙违约者所占的百分比与原始样本所占的百分比不同。
df = data.concat([moroc,spain,india])
y = df['status']
df.drop(columns=['status'],inplace=True)
sss = StratifiedShuffleSplit(n_splits=1,test_size=0.2,random_state=0)
for train_index,test_index in sss.split(df,y):
x_train,x_test = df.iloc[train_index],df.iloc[test_index]
y_train,y_test = y.iloc[train_index],y.iloc[test_index]
sample = pd.concat([x_train,y_train],axis=1)
在上述情况下，我该怎么做才能考虑到该国？所有不同国家的数据集都有不同的大小。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）