数据处理——数据集划分

数据集划分

一般在日常工作中我们会将数据集拆分为训练集（train_set）和测试集（test_set）

• 训练集：一般用于训练模型，需要尽可能保证训练的数据具有代表性。
• 测试集：用于测试模型，检测模型的性能（包括了运行时间，模型的效果等）

trian_test_split(*arrays,train_size,test_size,ramdom_state)

• *arrays：表示需要进行划分的数据，可以为多个
• train_size：训练集所占总数据的比例，0-1的浮点数，无默认
• test_size：测试集所占总数据的比例，和train_size相加为1，在填写了train_size的情况下可以省略
• random_state：设置随机种子，保证后续每次划分的结果相同

from sklearn.datasets import load_iris  # 鸢尾花
from sklearn.model_selection import train_test_split

iris = load_iris()
X = iris['data']
y = iris['target']
X_train,X_test,y_train,y_test = train_test_split(X,y,train_size=0.8,random_state = 123)
print(X_train.shape,X_test.shape,y_train.shape,y_test.shape)

(120, 4) (30, 4) (120,) (30,)

转载于:https://www.cnblogs.com/WoLykos/p/9564025.html