#训练集和测试集的划分
第一种方法
random.seed(seed) 前闭后闭 [a, b]
np.random.seed(seed) 前闭后开 [low, high) 或 [0, low),可指定抽样的大小
import random
def splitData(data,k,seed,M=8):
print("训练数据集与测试数据集划分...")
train,test = {},{}
random.seed(seed) #指定seed的话,每次后面的随机数产生的都是一样的顺序,
for user,item,record in data:
if random.randint(0,M) == k: ##随机数产生顺序一样,随机产生(0,m)之间的数,只有一个可以分给测试集,另外的m-1都分给训练集
test.setdefault(user,{})
test[user][item] = record
else:
train.setdefault(user,{})
train[user][item] = record
return train,test
trainData,testData = splitData(data,4,23)
第二种方法:内置函数,调用sklearn包
test_size样本占比,如果是整数的话就是样本的数量
random_state设置是为了每次生成的数据都相同
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(news.data,news.target,test_size=0.25,random_state=33)
若train_test_split传入的是带有label的数据,则如下代码:
from sklearn.model_selection import train_test_split
train,test=train_test_split(df_data,test_size=0.3,random_state=7)