Sklearn-train_test_split随机划分训练集和测试集

sklearn.model_selection.train_test_split随机划分训练集和测试集

官网文档：http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html#sklearn.model_selection.train_test_split

• 一般形式：

train_test_split是交叉验证中常用的函数，功能是从样本中随机的按比例选取train data和testdata，形式为：

X_train,X_test, y_train, y_test =

cross_validation.train_test_split(train_data,train_target,test_size=0.4, random_state=0)

• 参数解释：

train_data：所要划分的样本特征集

train_target：所要划分的样本结果

test_size：样本占比，如果是整数的话就是样本的数量

random_state：是随机数的种子。

随机数种子：其实就是该组随机数的编号，在需要重复试验的时候，保证得到一组一样的随机数。比如你每次都填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。

随机数的产生取决于种子，随机数和种子之间的关系遵从以下两个规则：

种子不同，产生不同的随机数；种子相同，即使实例不同也产生相同的随机数。

• 示例

[python]  view plain  copy

1. fromsklearn.cross_validation import train_test_split  
2. train= loan_data.iloc[0: 55596, :]  
3. test= loan_data.iloc[55596:, :]  
4. # 避免过拟合，采用交叉验证，验证集占训练集20%，固定随机种子（random_state)  
5. train_X,test_X, train_y, test_y = train_test_split(train,  
6.                                                    target,  
7.                                                    test_size = 0.2,  
8.                                                    random_state = 0)  
9. train_y= train_y['label']  
10. test_y= test_y['label']