StratifiedKFold是一种将数据集中每一类样本数据按均等方式拆分的方法。
下面以几个示例代码来介绍。
实例代码如下：
from sklearn.model_selection import StratifiedKFold
import numpy as np
X = np.ones(10)
y = [0, 0, 0, 0, 1, 1, 1, 1, 1, 1]
skf = StratifiedKFold(n_splits=2)
for train, test in skf.split(X, y):
print("%s %s" % (train, test))输出如下：
[2 3 7 8 9] [0 1 4 5 6] [0 1 4 5 6] [2 3 7 8 9]
其中0,1,2...9被均匀地分配到了测试集中。
n_splits=3时，输出如下：
[2 3 6 7 8 9] [0 1 4 5] [0 1 3 4 5 8 9] [2 6 7] [0 1 2 4 5 6 7] [3 8 9]
n_splits=4时，输出如下：
[1 2 3 6 7 8 9] [0 4 5] [0 2 3 4 5 8 9] [1 6 7] [0 1 3 4 5 6 7 9] [2 8] [0 1 2 4 5 6 7 8] [3 9]
当n小于2或者大于最少样本数（此处为4）时，会报错。
参考：
http://scikit-learn.org/stable/modules/cross_validation.html