我的数据集中有50%的实例属于类别A，50%的实例属于类别B。我想将数据集分割成训练集和测试集。我知道存在一个RemovePercentage过滤器，但它不考虑类别平衡。我如何从数据集中移除35%的数据，同时在训练集中保持50/50的类别分布？
回答：
好的，我找到了一种使用StratifiedRemoveFolds过滤器的方法：
步骤1
在Weka Explorer中打开你的数据集，并选择监督实例过滤器StratifiedRemoveFolds。
步骤2
决定你想要的训练集和测试集的大小。如果你希望两者的尺寸相等，那么选择numFolds为2。应用过滤器。这将生成一个包含原始数据集50%数据的新数据集。（如果你想要67%的训练数据和33%的测试数据，那么选择3作为numFolds）
步骤3
将这个生成的集合保存为例如“train.arff”。当第一个集合保存后，你必须撤销该操作，以便回到完整的数据集。
步骤4
点击StratifiedRemoveFolds过滤器，并将参数invertSelection从False改为True。现在当你应用该过滤器时，将会生成一个如步骤2中的集合，但它将包含数据集的另外50%。
步骤5
将其保存为“test.arff”。现在你有了训练集和测试集，它们都保持了你的类别平衡。
