大家好,这里是X😎😎😎如果你对train_test_split方法不理解的话,就赶紧往下看吧~~
前言
在之前的机器学习X说过了,机器学习一般分为“测试集”和“训练集”,那么具体我们该怎么分呢?这里就介绍这个方法啦——train_test_split()
函数样式+参数解释
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=3)
或者
X_train,X_test, y_train, y_test =sklearn.model_selection.train_test_split(train_data,train_target,test_size=0.4, random_state=0,stratify=y_train)
参数
train_target:要划分的样本结果
test_size:样本的占比
random_state:随机种子(这个东西是会根据你填的数字多少它对最终的数据结果是有影响的,如果你每次都填1,其他参数一样的情况下你得到的随机数组是一样的。但填0或不填,每次都会不一样。)
stratify:是为了保持split前类的分布,这个参数很重要,具体的方法讲解如下:
比如说你有100个样本数据,80个用于训练,20个用于测试,那么这个时候如果train_test_split(… test_size=0.25, stratify = y_all), 那么split之后数据如下:
training: 75个数据,其中60个用于训练,15个用于测试。
testing: 25个数据,其中20个用于训练,5个用于测试。
用了stratify参数,training集和testing集的类的比例是 4:1,等同于split前的比例(80:20)。通常在这种类分布不平衡的情况下会用到stratify。
总之就是帮助你平均一下比例用的
将stratify=X就是按照X中的比例分配
将stratify=y就是按照y中的比例分配
默认设置
主要参数说明:
*arrays
可以是列表、numpy数组、scipy稀疏矩阵或pandas的数据框
test_size
可以为浮点、整数或None,默认为None
①若为浮点时,表示测试集占总样本的百分比
②若为整数时,表示测试样本样本数
③若为None时,test size自动设置成0.25
train_size
可以为浮点、整数或None,默认为None
①若为浮点时,表示训练集占总样本的百分比
②若为整数时,表示训练样本的样本数
③若为None时,train_size自动被设置成0.75
random_state
可以为整数、RandomState实例或None,默认为None
①若为None时,每次生成的数据都是随机,可能不一样
②若为整数时,每次生成的数据都相同
stratify
可以为类似数组或None
①若为None时,划分出来的测试集或训练集中,其类标签的比例也是随机的
②若不为None时,划分出来的测试集或训练集中,其类标签的比例同输入的数组中类标签的比例相同,可以用于处理不均衡的数据集