python，scikit使用LabelShuffleSpli学习奇怪的行为

Question

在scikit-learn documentation for LabelShuffleSplit之后，我希望随机分配我的训练/验证批，以确保我正在训练所有可能的数据（例如，对于一个集合）。你知道吗

根据doc，我应该看到如下内容（注意，train/validation set是通过test_size=0.5平均分割的）：

>>> from sklearn.cross_validation import LabelShuffleSplit

>>> labels = [1, 1, 2, 2, 3, 3, 4, 4]
>>> slo = LabelShuffleSplit(labels, n_iter=4, test_size=0.5, random_state=0)
>>> for train, test in slo:
>>>     print("%s %s" % (train, test))
...
[0 1 2 3] [4 5 6 7]
[2 3 6 7] [0 1 4 5]
[2 3 4 5] [0 1 6 7]
[4 5 6 7] [0 1 2 3]

但后来我尝试使用labels = [0, 0, 0, 0, 0, 0, 0, 0]返回：

... 
[] [0 1 2 3 4 5 6 7]
[] [0 1 2 3 4 5 6 7]
[] [0 1 2 3 4 5 6 7]
[] [0 1 2 3 4 5 6 7]

（即不是平均分割-所有数据都被简单地放入验证集中？）我知道在这种情况下，将哪些指数放入序列/验证集中并不重要，但我希望仍然是50%：50%的分割？？？你知道吗