我有一组数据，包含四个回归标签。每个回归标签的样本分布不平衡。数据已附在帖子中data_multi_label_reg.csv。

数据有5列，其中4列即A、B、C和D是回归标签，sample是数据中的样本或训练示例。

每个样本只定义了一个标签。因此，每个样本只携带一个标签值，其余为空。

此外，标签分布非常不平衡。例如，D在大多数样本中被定义，而A在最少的样本中被定义。

是否有任何Python包可以将此数据集分割成train_test_split，使得训练集和测试集中的每个标签的比例与原始数据集保持一致？

有sklearn的函数如下所示。

x_train, x_test, y_train, y_test = train_test_split(x, y,                                                    test_size=0.33,                                                    random_state=0,                                                    stratify=y)

但这似乎只适用于单标签输出。是否有类似的函数用于多标签回归输出？

回答：

你可以查看scikit-multilearn库。那里有一个iterative_train_test_split模块。查看这个简单的使用示例和这个文档。