标签： python validation scikit-learn split cluster-analysis
我有一个拖欠贷款的数据集，其中每个观察值对于任何客户都是1个拖欠期，因此，如果客户输入5次拖欠，则将有5个观察值。在所有5个观测值中都有人口统计学变量，而欠款特定变量则不会。
我目前正在使用分层k折方法，但是我意识到我没有考虑数据集的“集群”方面。有没有一种方法可以将数据集分为训练客户和测试客户而不是行？是否有可能以某种方式保持分层？
编辑：我发现this way of doing it，这似乎是正确的，但是，有办法