我正在阅读 Aurélien Géron 的《使用 Scikit-Learn 和 Tensorflow 进行机器学习实践》一书。在关于加州房价的回归项目中，他回顾了分层抽样的概念。

我想我把这个概念理解为他的解释“人口被划分为称为分层的同质子组，并且从每个分层中抽取正确数量的实例，以保证测试集代表整个人口。”

因此，用我自己的话来说，简单地用 sklearn 的 train_test_split 拆分数据集会使训练集和测试集容易被错误表示分类变量的比率（即总体有 40% 的一个类别，60% 的另一个，但是训练集/测试集是完全不同的比率这些类别中的一个），因此分层可确保样本是“随机的”，但仍然在测试和训练拆分中保持适当的比率。如果我错了，请纠正我。

这是他根据收入类别进行分层抽样的代码（住房是主要数据框）：

split = StratifiedShuffleSplit(n_splits=1, test_size=0.2, random_state=42)
for train_index, test_index in split.split(housing, housing['income_cat']):
    strat_train_set = housing.loc[train_index]
    strat_test_set = housing.loc[test_index]

我对这段代码很困惑：

1）变量'split'代表什么？它是否包括训练和测试分裂......？

2) 在第二行代码中，split.split 是什么意思？我想我对 StratifiedShuffleSplit 如何划分训练集和测试集以及为什么他需要创建这个“for”循环以创建strat_train_set 和strat_test_set 的大部分内容感到困惑。

谢谢，

格雷格