本文详细解析了sklearn.model_selection.train_test_split的API，介绍了如何使用该函数将数据集随机分为训练集和测试集，并讨论了test_size、train_size、random_state和stratify等参数的作用。通过具体的例子展示了如何保持类别比例，确保在训练和测试中数据分布的一致性。
一、API解析
sklearn.model_selection.train_test_split(*arrays, test_size=None, train_size=None, random_state=None, shuffle=True, stratify=None)
该函数核心功能是：将样本数组或者矩阵按随机的方式分成训练集和测试集。
*arrays：数据的整体样本，类型可以是lists，numpy arrays，scipy-sparse matrices，pandas dataframes
test_size：（0，1）间的float值，表示测试集的数量占比。如果为整数，则为测试集的数据量。如果为None，则为整体减去训练集的差集合。如果train_size也是None，则为0.25
train_size：（0，1）间的float值，表示训练集的数量占比。如果为整数，则为训练集的数据量。如果为None，则为整体减去测试集的差集合
random_state：随机数的种子。 表示随机数的编号，在需要重复试验的时候，得到一组一样的随机
最低0.47元/天 解锁文章
1162
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
