比單獨使用train_test_split來划分數據更嚴謹
stratify是為了保持split前類的分布。比如有100個數據，80個屬於A類，20個屬於B類。如果train_test_split(... test_size=0.25, stratify = y_all), 那么split之后數據如下：
training: 75個數據，其中60個屬於A類，15個屬於B類。
testing: 25個數據，其中20個屬於A類，5個屬於B類。
用了stratify參數，training集和testing集的類的比例是 A：B= 4：1，等同於split前的比例（80：20）。通常在這種類分布不平衡的情況下會用到stratify。
這個參數sklearn的文檔4中講的不是太清楚
幫助文檔
http://scikit-learn.org/stable/modules/generated/sklearn.cross_validation.train_test_split.html